康復醫療大數據平臺的構建與應用研究

陳迪 鄭連翔 孫作文

1 研究背景

《聯合國2030年可持續發展議程》目標三為：“確保健康的生活方式，促進各年齡段人群的福祉。”發展康復服務是全面發展健康保健服務，實現全民健康覆蓋的根本，為構建健康服務提供系統，提供完善的健康服務系統，需要建立全面且標準化的數據系統。

作為大健康產業的重要組成部分，康復醫療產業潛力巨大。本研究以互聯網為載體，以大數據為核心，整合醫療資源，實現線上線下有機聯動，順應了“互聯網+醫療”的政策導向，將為大健康產業和“互聯網+醫療”事業的發展奠定基礎。

2 研究目標

2.1 康復科室數字化平臺

2.1.1 康復科室信息化現狀研究 現有康復科室信息化水平不高，存在如下問題和不足：（1）康復臨床路徑不規范，無法對患者的體質進行辨證施治，且治療方案利用率低下，限制了康復醫務人員對病情的掌握，嚴重影響康復治療方案制定和實施。（2）康復醫師、治療師（物理治療、運動治療、作業治療、語言治療、心肺功能治療、假肢矯形治療）、康復護理人員之間交流存在問題。（3）沒有信息化的解決手段極大地限制了工作效率[1]。（4）出院后的隨訪和長期的病情恢復情況不能有效反饋。（5）中國醫療資源主要集中在公立醫院，因為體制原因屬于非盈利機構無法對自身好的技術、設備、服務進行宣傳[2]。（6）基層康復醫務人員面臨康復基礎知識缺乏，需要培訓的人員、內容任務繁重的難題。

2.1.2 康復科室管理系統 針對普遍康復醫院提出的信息需求，該平臺以國家三級康復網絡建設和《綜合醫院康復醫學科建設與管理指南》[3]為藍本，運用云計算、大數據、物聯網、移動互聯網和人工智能等現代信息技術，集康復管理、服務、教學、科研于一體，打通醫院康復、社區康復和居家康復的信息鏈條，實現康復信息的閉環管理，驅動PDCA管理循環，使康復過程更加科學、康復方案更加精準、康復訓練更加高效。（1）為醫院康復科室提供數字化的患者信息、康復治療、評估及設備等全流程管理；（2）提供醫院康復科運營服務管理中心；（3）建立患者在院內、院外康復的全過程檔案。如圖1。

圖1 數字化康復科室云平臺架構圖

2.2 康復設備物聯網平臺

針對康復評估與訓練設備，標準化自動數據集成采集、實施，實現康復過程中定量分析影響因素，為康復綜合化及臨床科研提供精準數據服務。如圖2。

圖2 康復設備物聯網平臺結構圖

2.3 臨床大數據科研平臺

2.3.1 康復科研服務信息化現狀 康復科研是提升醫生診療水平及服務質量的必備途徑之一，但當前大多數醫院的科研工作尚處在人工整理階段，沒有統一的科研管理工具，存在流程復雜、耗時耗力、科研質量及效率不高等諸多弊端。現有的紙質資料和Excel管理困難、無法協作、誤刪除等問題，且數據資料的應用效率較低，整合性較差[4-5]。此外，目前大多數醫院的專科疾病存在治療時限長的問題，參與的學科多，對病歷的歸納要求高，容易出現遺漏病例情況。臨床實驗多，科研所需要的數據收集困難；疾病個體差異大，需要更加關注個體化治療。現有資料整理手段不能有效解決上述問題。

2.3.2 康復大數據科研平臺 本服務平臺為云服務方式，是一個多中心的遠程協作平臺，通過康復網絡方式，牽頭醫院的學科優勢、技術輻射作用和管理統籌職能，聯合本專科其他國家或者省級領先醫院作為協同單位，全國各級醫院作為成員單位，有效整合、統籌資源、構建有機體系[6-7]，從而實現：（1）制定專科標準術語和診療規范制定、助力數據共享；（2）建立專科科研數據集，實現統一標準的數據結構化處理和統計分析支持，輔助各類科研課題和臨床試驗，大大提高真實世界數據的使用率、臨床數據的可用性以及科研效率；（3）利用體系內的專科數據共享，開展臨床研究、探索輔助診療，促進臨床治療水平提升。

3 研究架構

3.1 數據源及信息采集

本研究以數據驅動流程、管理與服務，數據作為決策依據，數據作為科研依據等，研究涉及到系統集成與數據共享如表1。

表1 系統集成與數據共享表

3.2 康復大數據平臺建設

該平臺是一個以“臨床科室+康復科室”全量數據為驅動的多學科聯合數據應用平臺，主要面向科研、智能助診、專家知識系統、全過程康復案例復盤等數據智能應用需求。平臺提供數據采集、數據管理、統計學算法及機器學習算法、敏捷數據分析等主要功能。平臺技術架構如圖3。

圖3 康復大數據平臺技術架構圖

其具有諸多優勢，如：（1）靈活的臨床數據檢索與分析；（2）專科疾病病例資料的針對性管理；（3）有效的臨床數據挖掘分析。

3.3 康復設備物聯網平臺

康復設備平臺通過內置的物聯網數據采集平臺軟件及協議，支持TCP，httprest OPC，Lora，Modbus等多種協議，可支持不同品牌康復設備的數據接入。康復物聯平臺的無線、有線實時及歷史數據傳輸，提供移動終端控制系統，實現在康復數字化平臺上對康復設備治療、評定的全過程控制和監控。同時在設備執行完成以后，自動收集設備的報告并在系統中實時展示，對結果的數據進行分析。

針對康復評估與訓練設備，標準化自動數據集成采集、實施，實現康復過程中定量分析影響因素，為康復綜合化及臨床科研提供精準數據服務。

4 研究應用

4.1 智能康復應用及科研服務

根據康復科研、數據應用等實際需求，在第三方系統支持的前提下平臺還可整合院內臨床數據（HIS、CIS、NIS、EMR、PACS及LIS等產生的數據，內容包括患者各類診療信息，如病史信息、臨床診斷信息、檢驗檢查信息、護理信息、用藥信息等）[8-9]，通過HL7 V3 RIM/RMIM模型和電子病歷格式相關標準組織，在不妨礙醫院現有信息系統運行的前提下，利用ETL等技術將醫院各個信息系統中的數據通過抽取、轉換、加載到格式統一的數據中心，經過自然語言處理、機器學習等人工智能技術處理后，形成數據集市，進而可在多個維度滿足醫療決策、臨床科研、智能助診等過程中的不同需求[10-13]。如圖4。

4.2 人工智能算法促進康復科研發展

平臺提供了預置統計模型和自定義導出兩種形式的統計支持，與R及Python統計軟件進行對接，預設常用的醫學科研統計模型，實現基于R統計結果輸出。當預設的醫學科研統計模型中沒有工作人員所需內容時，可自定義查詢和輸出數據，將科研數據導出到SPSS等第三方專業分析軟件進行分析。

同時為了滿足醫療領域的深入應用，平臺基于開源產品自主研發的全量數據分析建模算法引擎，針對大量異構、多態、以指數級增長的數據，進行全量數據的分析及模型的構建；全方位集成數據轉化及預處理功能，提供實時、非實時統一接口；對歷史數據進行挖掘、分析，基于Spark實現全量數據的大型分布式模型訓練、驗證與評估。

5 結語

鑒于上述優勢的存在，康復醫療大數據平臺構建意義與需求較好，應用優勢突出，是健康醫療發展的重要基礎與前提。