“醫養智慧聯動”的養老模式研究與探索

金心宇，夏琦，張唯，李蘭娟

（1. 浙江大學信息與電子工程學院，杭州310027；2. 浙江大學醫學院附屬第一醫院，杭州 310003）

一、前言

據 《中國統計年鑒2014》顯示，我國從1999年開始步入老齡化社會，截至2014年，65歲以上人口已增長至13 755萬人，占全國總人口的10.1%。預計到2030年，我國60 歲及以上人口老齡化率將達到25%[1]。另外，失能老人、半失能老人的數量也在增長。我國正處于經濟飛速發展以及經濟結構轉型的關鍵時期，在此背景下，養老問題是我國政府亟待解決的關鍵問題之一，但是目前我國存在整體養老服務體系滯后于養老服務需求，養老資源嚴重供給不足等問題，因此我國養老體系還需深入探討和改善。本文針對我國現有的養老模式和養老診療存在的問題，提出一種“醫養智慧聯動”養老體系，基于物聯網、互聯網、大數據、機器學習與現代生物醫學等技術可以作為催化劑和潤滑劑，將高質量醫療護理技術滲透到養老模式的每個環節，用于提升養老體系運行的效率與質量；另外，在關注老年人身體康復的同時，該模式對改善老年人心理健康也提出了新的思路。通過物聯網和互聯網及人工智能等技術構建“醫養智慧聯動”養老體系，是一次極有前景的嘗試。

二、現有養老模式概況

（一） 國外養老模式調研

1.居家養老服務方式

歐洲國家實現居家養老服務方式主要包括四種，一是全托制的“退休之家”，設施完備，服務周到。二是日托制的“托老中心”，白天在中心活動，晚上回家休息。“托老中心”同樣設施完備，并提供星級服務。三是組織“互助養老”。老年人結伴認對、互助養老。四是“家庭護理員”制度，也是最具特色的居家養老服務。

2.養老社區服務方式

養老社區一般分為四類：生活自理型社區、生活協助型社區、特殊護理社區以及持續護理社區。社區與醫院和專業護理機構均有緊密合作。

3.綜合照護服務模式

“綜合照護”是近十年來歐洲國家在社會照護領域提出并努力推動的政策理念，是針對老年公共服務中健康照護和社會照護的“雙軌制”而提出的進行資源整合的方法，力圖消除傳統衛生部門和社會服務部門的分割狀態，提高資源的利用率和服務質量。英國“綜合照護”理念是指將基本照護、社區照護和社會照護以被照護者為中心，進行資源整合，建立各機構的聯合體系，以提供連續、高質量的照護服務。

（二） 中國養老模式分析

我國基本實行的是“9073”養老模式：90%的老人通過家庭養老，7%的老人通過社區照顧實現養老，3%的老人入住養老機構集中養老。隨著政府加強對養老服務以及慢性病管理的重視，在當前互聯網行業快速發展的情況下，各地也在積極探索創新養老模式，完善養老服務。在國務院印發的《中國老齡事業發展“十二五”規劃》《社會養老服務體系建設規劃（2011—2015年）》中提出的以居家為基礎、社區為依托、機構為補充、醫養相結合的養老服務體系已初步形成。體現出我國的養老模式現狀是以居家養老為主，集中與社區等多種養老模式共存，未來的發展趨勢是各種養老模式需要融合“醫養結合”的途徑進行發展。

（三）中國養老模式面臨的挑戰

1.養老機構和社區的慢性病醫護技術缺乏

我國目前的養老水平僅僅停留在對老人的生活照顧方面，缺乏對老人的健康康復形成專業護理體系的規范養老機構及有效的醫護技術裝備。

2.家庭養老壓力巨大

我國目前的家庭養老模式以“4-2-1”型為主，即一對年輕夫婦贍養四位老人和撫養一個子女。由兩位年輕的獨生子女負擔四位老人的日常和護理，尤其是對于老年病的診療與護理，無論如何也力不從心。

3.護理人員缺乏且醫護專業性水平不高

當前，全國養老機構的護理人員不到100萬，持證上崗的人數不足2萬，缺口已達千萬級別。目前國內的養老機構缺乏吸引專業診療醫護人員的機制，存在從業人員大多是下崗職工或一些待業人員及少量退休人員，學歷層次低、醫護專業知識嚴重缺乏、整體素質較低的問題。

4.養老機構不能滿足群眾需求

我國目前已有各類養老機構38 060個，擁有床位266.2萬張，但目前養老床位總數僅占全國老年人口的1.59%[2]。

（四）現有“醫養結合”模式

《全國第三次居民死因回顧抽樣調查報告》顯示，慢性疾病是中國居民的主要死因，而大部分老年人都深受慢性病的困擾，在國務院印發的《“十三五”國家老齡事業發展和養老體系建設規劃》中提出我國老齡事業的發展目標之一就是使得居家為基礎、社區為依托、機構為補充、醫養相結合的養老服務體系更加健全。可見“醫養結合”的養老模式是未來發展的趨勢，現今存在的“醫養結合”養老主要有以下四種模式。

（1）醫療機構與養老機構開展合作，通過簽訂合作協議，開設綠色通道。這種模式的做法是將養老院建在社區服務中心附近，社區衛生服務中心可以定期上門巡診和急診處理與及時轉診。該模式簡便，形式靈活多樣，能有效緩解養老機構“一床難求”的現象，但同時又存在醫療資源管理松散，制度約束不夠，效率和業務能力水平低等問題。

（2）在養老機構內開設醫療機構、康復院、護理院等，養中有醫。通過在養老機構內設置衛生室、醫務室、門診部甚至獨立醫院的方式提供醫療服務，比如山東膠州養老院的衛生室能夠提供體檢、身體健康監測等服務。該模式的優點是養老效率和質量較高，但缺乏高層次的醫療資源，該類養老機構常常處于“一床難求”的狀態。

（3）醫療衛生服務延伸至家庭社區，社區醫生提供家庭巡診、社區護理、家庭病床等服務。這主要依靠社區衛生服務網絡，通過推行家庭醫生模式，為社區老人提供上門服務。 該模式的特點是服務團隊龐大，包括醫生、護士、康復師、心理師等多方面人員組成服務團隊，主要服務對象是行動不便的老人和空巢老人等，老人們在家就可以獲得醫療康復的服務，該模式主要依靠醫護人員上門服務，在社區醫務人才十分短缺的情況下該模式的運行壓力巨大。

（4）醫療機構開設養老服務，醫中有養。現有的醫院、社區醫療服務中心，只要有條件就可以開辦養老服務。結合當前公立醫院改革，原來的醫療機構可以轉變成康復醫院或護理醫院，為周圍社區提供綜合的、連續的養老醫療服務。該模式的優勢是標準化和規范化，但是資源有限，且醫院激勵機制不夠，醫生缺乏動力。

在以上“醫養結合”的四種模式中，高質量醫護資源不足已成為亟待解決的關鍵問題之一。高速發展的互聯網和人工智能技術為支撐“醫養結合”運行提供了新的途徑，人體健康狀態的遠程采集和人工智能診療云服務等有機融合的新技術為醫患之間和醫護人員之間的互動和診療過程提供了重要的輔助手段，筆者提出一種以互聯網、物聯網、人工智能等先進技術為支撐，并由大型醫院牽頭實現“醫養結合”的新養老途徑——“醫養智慧聯動”養老體系。

三、“醫養智慧聯動”養老體系

在分級診療政策、醫療聯合體建設等國家相關養老政策的指引下，該系統由擁有豐富醫療資源的大型醫院相關科室提供專業的康復指導，以互聯網為通信手段實現社區醫院和養老機構醫護人員的遠程診療意見交流，結合人工智能、物聯網、大數據等先進技術實現醫學圖像人工智能（AI）輔助診斷，虛擬現實（VR）康復輔助，步態識別輔助康復等應用，獲得智能輔助診療資料供醫護人員參考，減輕相關人員壓力，同時提高了養老人員的用戶體驗，實現一種全方位、多層次、高水準的“醫養智慧聯動”養老體系。目前通過在浙江省相關醫院和養老機構及社區家庭的示范性功能模塊預研，已經得到眾多專家的好評。

（一）養老大數據規范與應用

隨著互聯網技術的發展，全國各地涌現出一批養老信息平臺，但這些信息平臺大多處于剛剛起步的狀態，實現的服務內容單一；數據規范各異，難以支撐老年病的診療與養護，且缺乏專業性的指導；缺乏統一的標準，各個平臺獨立工作，數據不共享。

針對這些問題，在醫院和養老機構及社區家庭共享可信數據和構建安全運行機制就顯得十分重要，這是“互聯網+益民服務”的重要基礎和研究重點。本文提出的“醫養智慧聯動”養老體系信息數據平臺整體架構，如圖2所示。

該平臺將居家養老、社區養老、機構養老通過互聯網和人工智能醫護服務連接到一起，并結合基因數據，共享一個由大型醫院、養老院以及相關政府職能部門聯合構建的養老數據云平臺，社保和民政的相關部門在獲得許可的情況下可以為該系統數據庫提供一些數據信息，同時各個大型醫院擁有自己的數據庫，它的服務可以輻射一部分社區醫院，并且各個家庭通過物聯網技術，將由傳感器或可穿戴設備獲得的數據先送入社區醫院數據庫中心，若出現異常數據表示老人發生危險情況則發出警報，便于救助人員及時到達，另外老人的身體各項數據可以送往大型醫院康復醫療科以便獲得專業的遠程康復指導。同時一些養老院可以與醫院簽署合約，加入該系統平臺，獲得專業技術支持并提高自身服務質量，更多大型醫院的加入還可以擴大整個系統的規模。

圖1 “醫養智慧聯動”系統設計圖

（二）智慧養老診療技術運用

本文提出的“醫養智慧聯動”康復體系在基于利用互聯網構建可信安全的數據共享平臺的同時，針對老年病的互聯網智慧診療技術的研究與應用更是重要的技術支撐，將物聯網技術、人工智能、虛擬現實等智慧軟件技術與醫學有機融合，并結合基因技術，滲透到養老康復的各個環節，力求最大化地提升養老康復效率和質量，同時減少人力和時間的成本投入，減輕目前養老模式面臨的挑戰。亟待研究的老年病的互聯網智慧診療關鍵技術主要有以下幾種。

圖2 “醫養智慧聯動”養老體系信息數據平臺整體架構圖

1.老年病診療和康復中的智慧傳感和虛擬現實技術

地方政府官員微博不僅要及時公布自己的行程，讓網民了解官員的日常生活狀態，知道官員都干了些什么，還要將自己職權范圍內可以公開的所在機構的最新動向公布到微博上，使網民更好地了解這些部門的工作情況。在表達個人意見和觀點的同時，官員要準確把握官員個人和公職身份之間的關系，避免發布與自身身份相沖突的個性化觀點，特別要注意不能挑戰社會常識和倫理底線。官員應了解民眾的需求，敢說敢言，面對網友的質疑應積極應對，多做解釋，盡量避免與網友的激烈爭辯，在無法解決問題時，政府官員應主動“休戰”，做到求同存異。

現有的養老康復手段主要還是為具有運動障礙的老年患者提供運動功能訓練：包括肢體的被動運動、主動運動和抗阻運動，以及“作業治療法”等，這些康復手段一般需要專業的護理人員在場，并且訓練過程比較乏味，此時虛擬現實技術的出現可以在康復訓練過程中得到很好的應用，合理的虛擬環境的設置及各種形式的信息反饋，可以將繁瑣無味的機械性康復訓練變得生動形象、趣味盎然。虛擬現實技術在康復中的應用最初集中在對人體肩肘關節的康復訓練，隨著數據手套及其他手部傳感設備的發展，基于虛擬現實的手功能康復訓練系統也取得了很大發展。

羅格斯大學開發了一套名為Rutgers Arm Ⅱ的康復訓練系統[3]，該系統由紅外線視覺跟蹤模塊、重力模塊和基于個人電腦的虛擬現實游戲模塊組成，對患者手眼的協調能力、手臂的運動速度、手掌的握力與控制力、手臂的耐力和肩關節的運動范圍進行訓練。美國芝加哥康復中心Connelly等[4]設計了一種與虛擬現實相結合的氣動數據手套(PneuGlove)，以頭盔顯示器作為顯示裝置，呈現出立體3D的效果。患者通過數據手套控制虛擬手在規定的時間內抓住并釋放在虛擬環境中隨機出現的物體，從而實現對患者掌腕關節與掌指關節屈伸運動的訓練。利用此系統對兩組腦卒中患者的Fugl-Meyer評估表明，虛擬現實技術能明顯提高患者的康復效果。

隨著我國4G和5G等技術的高速發展，研究基于互聯網云服務的老年病智慧傳感和虛擬現實診療軟硬件技術不僅是在科學上有重要的創新，同時也對我國養老事業的發展具有重要的促進作用。

2.老年病機器人輔助康復技術

因腦卒中等疾病造成的肢體運動功能障礙患者是老年人的多發病，如具有靜止性震顫、動作遲緩及減少的帕金森患者，除了傳統的由物理治療師來進行肢體訓練外，智能康復機器人輔助診療技術也具有重要的研究意義和應用價值。而現有的康復手段還是需要專業的護理人員在場參與一些器械參數的調整，而運用互聯網技術與機器學習算法能夠實現康復的遠程監控，對于減少人力成本與提高康復效率有積極意義。

如可實現單關節和多關節運動的5-DOF穿戴式上肢康復機器人的控制新方法[5]，該機器人利用偏癱患者的健肢運動的表面肌電信號(sEMG)驅動康復機械臂輔助患者的患肢實現康復訓練。利用神經網絡算法建立模型獲得表面肌電信號與上肢康復動作之間的關系。針對帕金森患者康復的防震顫手環，腕帶設置有脈沖電極，用于產生電刺激脈沖傳遞至帕金森患者手部的橈神經以抵消帕金森患者的手部震顫[6]，有明顯的輔助治療效果。但需經常到醫療機構根據患者情況進行調整。

基于我國互聯網平臺高速發展的優勢，研究基于互聯網云遠程測控調整服務的老年病機器人輔助康復技術，在康復訓練過程中利用多種傳感器獲取患者生理信息，如心率、肌電、肌張力、呼吸、血壓等，通過藍牙發送到控制端，控制端將信息通過傳輸層網絡傳入云端數據庫，經過數據處理后康復醫師會根據數據進行康復機器人控制參數的遠程調整[7]。特別是利用攝像頭或者傳感器，如慣性傳感器、六軸傳感器等，以及機器學習分類算法，如SVM[8]、神經網絡[9]、深度學習[10]等可以研究步態，步態障礙發生在關節或脊柱關節炎（肌肉骨骼系統扭曲的患者）以及在中樞神經系統殘疾中風后的患者中，通過遠程機電一體測控并與現場養護人員及時聯動，并結合中醫藥的慢性病診治傳統優勢，有效提高診療和養護的服務質量，更能充分體現“醫養智慧聯動”的有效性和必要性。因此，基于人工智能云服務的老年病機器人輔助康復技術具有重要的研究和應用價值。

3.人工智能與光機電生物效應綜合輔助診療技術

帕金森病（PD）是一種常見的神經退行性疾病，在西歐的發病率約為4%，近年來隨著國內人口老齡化趨勢增強，PD躍居中老年殺手第三位。帕金森病的診療問題主要包括早期臨床很難診斷，被醫生發現時往往已經比較嚴重，而且治療藥物的“蜜月期”短，副作用大，基于可穿戴設備和遠程人工智能云服務的帕金森病患者早期輔助診斷是一項具有重要現實意義的研究工作。在帕金森病的康復方面，腦深部電刺激（DBS）是一種通過立體精確定位，在腦內特定的靶點植入刺激電極進行電刺激，從而達到治療目的的一種新方法。醫師通過臨床測試各種刺激參數的不同組合來確定深部刺激的最佳設置，但是選擇最佳刺激參數不僅難度大并且時效性明顯，需要經常調整 [11]，合理運用傳感器和機器學習技術能夠方便調整電針參數，提高術后康復質量與效率。

基于可穿戴設備和遠程人工智能云服務的帕金森患者深部腦刺激診療技術的深入研究就具有重大意義，這方面的研究主要包括以下兩方面內容。

一方面研究人工智能在遠程利用可穿戴設備輔助醫生進行最優化的腦部深度刺激手術所需的參數，以及對患者術后進行遠程電和光信號腦部深度刺激參數調整及藥物調整等康復管理，這對于醫院和社區及家庭的術后康復具有重要意義。

另一方面利用激光器和人工智能技術進行大深度無損傷顯微成像和神經刺激研究及應用也極具現實意義。Gradinaru等[12]利用光遺傳學探究PD疾病的神經環路，Moore等[13]采用光和超聲兩種方法刺激皮層引起皮層神經元電信號的產生來改善患者的運動狀況[14]，結合互聯網和人工智能遠程調控技術，能更有效深化研究和在康復中推廣應用。特別是現有的電刺激或光刺激均需要打開患者或模式動物的顱骨，大多數還需要將電極或光纖插入腦組織中，產生較大范圍的損傷。因此，探索一種微創的方式只對皮層進行刺激，而不是大腦深部的紋狀體，并且通過對腦皮層刺激的優化，達到無創或者微創信息腦皮層直接輸入，有望實現腦機雙向高速通信和人工智能自適應優化，結合皮層腦電信號和運動皮層對骨骼肌的調控作用，實現有效調節軀體外骨骼的運動，幫助有運動障礙的人重新獲得自由運動的能力，不僅在診療技術上有重大創新，并能為PD患者的治療提供一種更可靠、損傷更小的新技術，國內外在這方面的研究都是剛剛啟動，作為應用基礎研究，能對互聯網養老康復服務提供重要的支撐。

4. 互聯網醫生培訓與評價系統

由于目前社區醫院和養老機構中醫護人員培訓與晉升較困難等因素，使得吸引高層次醫護人員并提高基層醫療服務水平成為我國養老體系建設中亟待解決的重要問題，在“醫養智慧聯動”養老體系中，利用互聯網人工智能輔助支撐社區醫院與養老機構醫生和簽約家庭醫生及鄉村醫生等基層醫護人員的診療業務培訓與專業考評，能充分調動基層醫生積極性并提高相關人員醫療服務能力與診療質量，有助于解決基層醫療存在的現實問題。因此，在研究系列遠程智慧輔助診療技術的同時，研究基層醫護人員通過互聯網與人工智能云服務和醫學專家的互動及培訓評估技術也具有重要的現實意義。同患者溝通、與醫學專家或人工智能的咨詢分析診斷病癥過程、診療康復參數等具體過程數據均可以在信息平臺中記錄，在確定療效后還可通過自學習不斷豐富和完善人工智能數學模型。在基層實習醫生的工程及培訓過程中，可以充分利用這些獨特的高層次醫學資源，同時這些數據在醫生職稱評估時還可作為一項重要的參考，這對于調動醫生的積極性，改善醫院激勵機制具有重大作用。

四、結語

本文提出一種以大型醫院為主要診療技術主導，結合互聯網人工智能技術支撐的“醫養智慧聯動”養老模式，一方面，擁有豐富醫療資源的大型醫院的統籌加入可以引領互聯網康復養老的診療技術和質量的提升，使患者獲得更專業的康復養老指導；另一方面，互聯網信息體系的建立使信息得到專業級聯動共享，結合基因和數據規范及轉換的云技術，并將人工智能云服務與虛擬現實、可穿戴智能設備、現代5G移動通信技術、光機電生物效應治療、中醫藥慢性病綜合康復、機器人輔助診療等多種先進技術融合到老年病的診療過程及管理之中，作為各級養老康復機構醫護人員診療水平的重要支撐，技術與管理優勢互補，對于提升我國社會養老益民服務質量和構建幸福社會具有重要意義。

[1] 顧國愛. 從醫療機構與養老機構現狀談醫養結合的發展路徑[J].商業經濟研究, 2016 (6): 112–114.Gu G A. Discussion on the development of the combination of medical and care from the standpoint of medical institutions and aged care institutions [J]. Journal of Commercial Economics, 2016(6): 112–114.

[2] 周悅, 崔煒. 人口老齡化背景下的養老機構標準化探索——基于北京四季青敬老院的標準化實踐 [J]. 標準生活, 2010 (12):90–91.Zhou Y, Cui W. Research on the standardization of pension agency under the background of aging populationbased on the standard practice of Beijing Sijiqing nursing home [J]. Standard Living,2010 (12): 90–91.

[3] Burdea G C, Cioi D, Martin J, et al. The Rutgers Arm II rehabilitation system—A feasibility study [J]. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 2010, 18(5): 505–514.

[4] Connelly L, Jia Y, Toro M L, et al. A pneumaticglove and immersive virtual reality environment for hand rehabilitative training after stroke [J]. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 2010, 18(5): 551–559.

[5] 王東巖, 李慶玲, 杜志江,等. 5DOF穿戴式上肢康復機器人控制方法研究 [J]. 哈爾濱工業大學學報, 2007, 39(9): 1383–1387.Wang D Y, Li Q L, Du Z J, et al. Research on the control method of 5DOF wearable upper body rehabilitation robot [J]. Journal of Harbin Institute of Technology, 2007, 39(9): 1383–1387.

[6] 張貫京, 陳興明, 葛新科,等. 用于減輕帕金森病患者手部震顫的智能手環:中國, CN206434707U [P]. 2017.Zhang G J, Chen X M, Ge X K, et al. Smart bracelet for reducing hand tremor of patients with Parkinson’s disease:China, CN206434707U [P]. 2017.

[7] 王楠. 基于物聯網的遠程康復訓練機器人系統 [D]. 南京：東南大學(碩士畢業論文), 2012.Wang N. Internet of things(IoT) based remote rehabilitation training robot system [D]. Nanjing: Southeast University (Master’s thesis), 2012.

[8] 陳鵬,涂亞慶,童俊平,等. 可穿戴式跌倒檢測智能系統設計 [J].傳感器與微系統, 2017, 36(2): 114–116.Chen P, Tu Y Q, Tong J P, et al. The design of wearable fall detection intelligent system [J]. Transducer and Microsystem Technologies, 2017, 36(2): 114–116.

[9] 裴利然,姜萍萍,顏國正. 基于支持向量機的跌倒檢測算法研究[J]. 光學精密工程, 2017, 25(1): 182–187.Li L R, Jiang P P, Yan G Z. Research on fall detection algorithm based on support vector machine [J]. Optics and Precision Engineering, 2017, 25(1): 182–187.

[10] 趙斌,鮑天龍,朱明. 基于圖像語義分割和CNN模型的老人跌倒檢測 [J]. 計算機系統應用, 2017, 26(10): 213–218.Zhao B, Bao T L, Zhu M. Fall detection of the elderly based on image semantic segmentation and CNN model [J]. Computer Systems & Applications, 2017, 26(10): 213–218.

[11] Patel S, Hester T, Hughes R, et al. Processing wearable sensor data to optimize deep-brain stimulation [J]. IEEE Pervasive Computing,2008, 7(1): 56–61.

[12] Gradinaru V, Deisseroth K. Optical deconstruction of parkinsonian neural circuitry [J]. Science, 2009, 324(5925): 354–359.

[13] Moore M E, Loft J M, Clegern W C, et al. Manipulating neuronal activity in the mouse brain with ultrasound: A comparison with optogenetic activation of the cerebral cortex [J]. Neuroscience Letters, 2015 (604): 183–187.

[14] Drouot X, Oshino S, Jarraya B, et al. Functional recovery in a primate model of Parkinson’s disease following motor cortex stimulation [J]. Neuron, 2004 (44): 769–778.