基于移動醫療技術的家庭醫生慢病管理系統*

邵祝燕 張紅廣 吳文輝 馬春燕

(杭州醫學院計算機教研室杭州310053) (上海科瓴醫療科技有限公司 上海 200043) (浙江省中醫院干部科杭州 310006) (臨海市上盤中心衛生院臨海 317015)

1 引言

全世界每年超過2 200萬人死于慢性病，慢性病嚴重威脅全球居民健康[1-2]。老年人更容易患慢性病。我國已進入快速老齡化時代，老年人口基數巨大、增長迅速。同時我國基層農村糖尿病患病率呈明顯上升趨勢，對糖尿病知曉率和正規治療率低[3]，高血壓患病率、致殘率、死亡率高,知曉率、服藥率和控制率低[4]。

2015年李克強總理在政府工作報告中首次將“互聯網+”行動計劃提升為國家戰略，移動醫療成為重點關注項目[5]。2016年全國“兩會”再次提出互聯網醫療問題。近年來隨著智能手機的普及，移動醫療成為熱點。研究表明通過移動醫療進行保健服務對老年人來說意義重大[6]，可以幫助老年人尋求醫療建議，獲得醫療檢查結果并得到診斷治療[7]，如何利用移動醫療技術使慢病患者受益是值得探討的問題。基于以上分析，本研究團隊研發基于APP和微信平臺的移動醫療慢病管理系統。利用云平臺、大數據、云端算法模型、風險預測技術建立大數據數學預警模型并引入3大參數更新模型：基因型、環境和行為等因素，構建健康大數據的人工智能分析系統，針對人群應用特點制定個體化營養和運動干預方案。以高血壓、糖尿病兩種最常見的慢性病為例，通過整合智能健康設備探討家庭醫生管理模式以及移動醫療技術進行慢病管理的價值，提高血壓和血糖管理效率，實現數據自動存儲、遠程隨訪以及分級診療、雙向轉診、家庭醫生簽約制、醫藥分家，為云醫院、互聯網醫院、網絡醫院發展提供有利的外部條件。

2 系統設計

2.1 架構

集成遠程家庭監測、健康云平臺和大數據分析、疾病風險預警模型、個體化營養方案模型、管理式保健等多個平臺和技術體系，系統架構，見圖1。通過整合終端健康監測設備血壓計、無線通訊技術、云平臺數據庫和醫護端APP應用，健康大數據模塊可以實時并自動對所有患者進行疾病風險預測，為醫護人員提供健康管理決策支持，同時也為患者提供個體化的營養和運動干預方案以及健康教育干預。

圖1 系統架構

2.2 工作流程

患者利用血壓計和血糖儀檢測血壓和血糖，通過佩戴智能手環監測運動時間、消耗能量并通過APP將監測數據與身高、體重、年齡等生理參數上傳至云端服務器進行存儲管理，同時可獲取云端推送的個體化營養方案、運動建議、高血壓和糖尿病宣教知識等服務。醫生利用醫生端實時監測患者檢測數據，了解患者情況，提醒其測量和用藥，回復健康咨詢。系統工作流程，見圖2。

圖2 系統工作流程

3 云端數據交互管理及客戶端實現

3.1 云端服務器

基于移動醫療技術的家庭醫生慢病管理系統由用戶端和云端組成，云端進行數據接收與管理以及疾病風險預測，基于Tomcat建立Web服務器，對客戶端請求做出及時響應。實現對用戶上傳數據的自動化接收，將收到的數據自動存入數據庫進行管理，向用戶端提供數據訪問接口，同時可提供與第3方數據對接的應用程序接口(Application Program Interface，API)。云端建立營養專家系統，為患者提供營養配餐方案，其中宣教干預系統以圖文形式推送到手機端。服務器端采用SSH(Spring+Struts+Hibernate)框架設計，為客戶端提供用戶信息、監測數據交互接口及營養方案、宣教信息推送接口。用戶端上傳數據時向服務器發起POST請求，經過超文本傳輸協議安全(Hyper Text Transfer Protocol Secure，HTTPS)認證后，服務器端響應請求并與用戶端建立連接，接收用戶端發送的數據，將數據解析后再存儲到數據庫。數據庫使用Redis做分布式緩存，MySQL、MongoDB和HBase數據并存。用戶端獲取數據時向服務器發起GET請求，服務器端響應請求后給用戶端返回數據。云端架構，見圖3。

圖3 云端服務器架構

3.2 健康大數據人工智能分析系統

為每位患者建立儲存于云平臺的健康數據庫，這些數據被用來構建并完善臨床決策支持系統以及參考數據庫。運用Logistic 回歸和人工神經網絡模型，分析治療方案和預后相關一系列潛在變量，以進行治療方案和預后的分類。利用人工神經網絡模型多層感知機器語言程序(Machine Language Program，MLP)與反向傳播算法以及有監督學習的Delta規則來訓練神經網絡。輸入層包括多個輸入變量，如人口統計學、臨床、實驗室、遺傳學等數據。將這些變量分組并編碼，通過級聯的學習過程確定隱藏層中的節點。輸出層包含的每個節點對應一種治療方案或預后。Logistic逐步回歸分析輸入變量并運用有顯著性統計學意義的變量來構建人工神經網絡。利用受試者工作特征曲線分析預測模型的準確性以及交叉驗證法來衡量無偏估計的人工神經網絡模型和評估系統的普及性。建立以規則為基礎的知識庫系統，包括疾病臨床路徑信息、藥物手冊、指導方針、新聞和相關研究論文，如臨床試驗最新發現。

3.3 個體化營養和運動干預專家系統

為有效控制血壓和血糖水平，對患者進行營養干預，構建個體化營養和運動干預專家系統，見圖4。包括個體化干預基準規則庫、干預方案調整數據庫、干預方案執行數據庫3個關聯數據庫，依據患者重要生理生化指標，如體重/身高(BMI)、血糖、血壓、并發癥等制定干預目標，以及實現該目標相應的具體營養成分、食譜和運動方案。同時定期按照上述指標的變化自動調整方案內容，以實現有效的干預措施。

圖4 個體化營養和運動干預專家系統

3.4 用戶端實現

用戶端包括患者微信端、APP醫生端和APP患者端，APP醫生端作為整個系統的功能組成部分，為醫生提供管理和服務工具，主要功能模塊包括慢性病健康檢測、患者檔案建立、風險預警篩查、患者回訪、溝通病患教育等。患者或照顧者可通過移動醫療系統接受測量提醒、營養指導和藥物治療等。根據患者教育程度、年齡、興趣等特點，設計簡單和易于理解的系統界面，使患者方便使用[ 8]。系統將患者進行合理分類，包括所有患者、當日測量患者和醫生負責的患者，測量和用藥根據患病等級進行智能分類。患教中心包括臨床表現、醫療資源、危險因素、合并癥、慢病常識和生活方式等功能，使病患和家屬通過移動醫療系統更好地了解慢病知識，增強保健意識。

4 結果與討論

4.1 結果

比較干預前和干預后的血壓數值，不同患者表現出血壓降低8～15毫米汞柱(收縮壓)和5～6毫米汞柱(舒張壓)，見圖5。具體對浙江省臨海市上盤地區120例高血壓慢病患者隨機分成實驗組和對照組，每組60例，實驗組采用本研究組研發的智能終端健康監測設備智能血壓計進行每天定時測量，提醒患者將用藥情況進行記錄。對照組按照傳統由衛生院專業人員定時上門測量并醫囑開藥。系統干預6個月后，對實驗組和對照組統一進行24小時動態血壓監測，以所有患者測量的平均血壓為數值進行分析。第1次收縮壓人均讀數值為142毫米汞柱，最后1次人均值為133毫米汞柱，P<0.01。第1次舒張壓讀數人均值為89毫米汞柱，最后1次人均值為84毫米汞柱，P<0.01。

圖5 血壓干預前和干預后數值變化

將90名糖尿病患者分為兩組。通過干預前和干預后的分析，平均空腹血糖和餐后血糖分別從9.1±2.1毫摩爾/升到8.1±2.2毫摩爾/升(n=60，P<0.001)，從14.2±3毫摩爾/升到11.3±3.7毫摩爾/升(n=30，P<0.001)，見圖6。

圖6 空腹血糖和餐后血糖干預前后數值變化

4.2 討論

目前手機在醫療行業的應用程序主要集中在網絡掛號及醫院和醫生背景、醫療和藥品知識查詢等方面。利用智能終端的移動性和網絡技術普及性解決很多實際問題[9]。但隨著醫療信息化技術的進步，現有功能已不能滿足人們日益增長的需求，遠程監測、移動診療、健康監測與健康干預之間的脫節以及發病到就醫時間問題等成為移動醫療的瓶頸。因此配合遠程智能終端設備進行遠程監測是移動診療未來研究的重點方向。本研究創新成果包括：數字化健康生態系統的集成，遠程健康檢測設備、健康云計算、移動互聯網和分子診斷的集合。將高血壓誘發心腦血管意外的風險預測模型用于血壓健康管理。將糖尿病3大相關風險預測模型用于血糖健康管理：正常人的糖尿病風險預測、糖尿病前期發展為糖尿病的風險預測、糖尿病引起心腦血管意外的風險模型(回歸模型和人工神經網絡)。在健康管理過程中建立并運用個體化營養運動干預專家系統。本研究通過大數據與慢病管理的有效結合能夠更精準區分目標群，記錄和分析患者的健康指標，對患者進行個人健康檔案管理。

本系統對于不會使用智能手機的老年人來說存在一定障礙，使用前需相關人員進行專業指導，確認患者可以自行使用智能手機。隨著智能手機的普及和老年人文化程度逐漸提高，基于移動醫療技術的家庭醫生慢病管理也將逐漸被越來越多的人接納和使用，使慢病患者提高生活質量，真正實現慢病智能化管理和早干預、早治療的目標。在本研究基礎上可進一步研究人工智能技術下的輔助用藥依從性方法和系統研究，利用患者購藥行為、健康情況、檢測行為等數據，通過大數據算法的特征提取、加權處理和聚類分析等構建患者畫像，從云端構建藥物依從干預知識庫，實現智能個性化藥學服務信息推送，從而提高患者的用藥依從性。

5 結語

該系統的開發有助于解決發病到就醫時間較長的問題，設計和實現移動健康解決方案，對我國高血壓、糖尿病患者的健康生活、各類慢病管理甚至是養老關愛都有重要意義。合理管控常見慢性病的發生發展可以預防并發癥、降低醫療支出，根據各地慢性病發病規律對高危群體制訂科學預警和干預方案將顯著減少其病殘率和死亡率，從而延長健康壽命。同時操作簡單的健康信息通路鋪設可以將衣食住行等服務全方位地帶入患者家庭，提高老年人，尤其是孤寡老人的生活質量。該研究結果為進一步研究移動醫療技術提供借鑒。