基于Drools的冠心病康復方案自動生成*

趙 芳 范 倩 焦 琳 程文林 武小平

（1.武漢大學中南醫院心血管內科 武漢 430071）（2.武漢大學計算機學院 武漢 430070）

1 引言

冠心病是由環境因素和遺傳因素共同作用導致的復雜性疾病。據最新WHO統計，冠心病導致的死亡人數占全球總死亡人數的12.9%，是世界上最常見的死亡原因之一。盡管藥物、冠脈介入及冠脈搭橋在冠心病治療中起到重要作用，但是心臟康復治療亦不容忽視。目前我國關于冠心病的康復方案需要醫生根據自身經驗為患者定制處方，制定方案效率較低，醫療資源利用率低［1］。設計并實現冠心病康復方案的自動生成可以優化康復方案的制定，提高接診效率，同時可以降低醫療成本，避免過度醫療［2］。

近年來，專家系統在醫學領域的應用越來越廣泛。例如使用規則推理方法設計并實現的不確定性流感診斷系統［3］和一種基于規則的診療記憶喪失疾病的專家系統［4］，通過實際案例數據驗證表明系統生成的結果比手動生成的結果可靠。本文在對現有冠心病康復方案進行知識提取和總結的基礎上，構建了康復方案模型；同時設計實現了康復方案推理引擎，并對規則匹配算法進行了優化，使其更適合冠心病康復方案模型的規則推理。與國內憑經驗手寫生成的康復方案相比，冠心病康復方案的自動生成極大地節約了時間，提高了診療效率，節省了醫療成本。

2 資料和方法

2.1 康復方案模型構建

冠心病康復方案模型主要包括營養處方、有氧運動處方、阻抗訓練處方和柔韌性運動處方［5～7］。

2.1.1 營養處方

多種研究均已表明，科學合理的膳食習慣可以顯著降低心血管疾病的發病風險。在冠心病患者康復方案中，可以根據患者身高、體重等信息制定患者日常營養方案評估，具體包括：判斷冠心病患者體重指數設定、日需總能量計算、日需蛋白質總量計算和食品交換份數計算。

2.1.2 有氧運動處方

有氧運動可以改善內皮細胞功能，促進抗炎，減少心肌細胞重塑，改善冠狀動脈的血液循環功能，其處方主要參考冠心病患者的心肺運動試驗和心電圖運動負荷試驗相關指標制定，目的是為患者制定安全有效精準的運動方案。目前有氧運動處方內容主要按照FITT四要素即運動種類、運動強度、運動時間、運動頻率制定。

2.1.3 阻抗訓練處方

阻抗訓練可以幫助冠心病患者增加心臟壓力負荷，從而使心內膜下血流灌注增加，心肌氧供達到良好的平衡；同時可以增強骨骼肌耐力和力量，增加骨骼肌重量，提高冠心病患者基礎代謝率，改善運動耐力。阻抗訓練的主要方法包括啞鈴、杠鈴、阻抗訓練儀、彈力帶等。

2.1.4 柔韌性運動處方

柔韌性訓練以肩、腰、腿為主，通過緩慢且可控制的方式進行，根據患者自身適應情況逐漸加大訓練的身體部位。柔韌性訓練主要包括柔韌性體操和肌肉拉伸，柔韌性訓練一般在患者有氧運動之前進行。

2.2 Drools中Rete模型基本結構

2.2.1 drools規則引擎［8～9］

Drools是一套開源業務規則引擎解決方案，提供了專業的商業規則引擎BRE（Business Rules Engine），Web創作和規則管理應用程序（Drools Workbench）。Drools是基于Rete算法量身定制的規則引擎實現，并引入面向對象的思想對Rete算法進行了優化。后來在Rete的基礎上出現了LEASP算法、Drools Reteoo算法等衍生算法［10～14］。Drools引擎結構主要包括規則庫（Production Memory）、工作內存（Working Memory）、推理機（Inference Engine）、模式匹配管理器（Patten Matcher）和議程（Agenda）。

2.2.2 Rete模型基本結構

Drools規則引擎核心算法為Rete［15～16］。Rete網絡中具有四種節點：根節點、單輸入節點、雙輸入節點和終止節點［17］。Drools在Rete算法的基礎上進行了改進。Drools-rete中的節點則包括了ReteNode（根結點）、AlphaNode（節點）、BetaNode（節點）和TerminalNode（終止節點）。當有事實傳遞到Terminal節點時，Terminal節點對應的規則會被激活執行。

2.3 康復方案推理引擎和自動生成

2.3.1 康復方案推理引擎

基于Drools推理引擎的基本結構，設計實現適于冠心病運動康復方案生成的推理引擎，其推理引擎邏輯結構圖如圖1所示。

圖1 冠心病康復方案推理引擎邏輯結構圖

1）推理模型事實劃分

（1）源事實

源事實指系統運行前輸入的事實。包括患者靜態數據（性別、年齡、身高、體重等），患者檢查數據（無創心功能檢查、運動心肺功能檢查、焦慮測評、抑郁測評等），用藥方案等。源事實是規則推理的根基，源事實的數據完整性對于規則推理結果的完整度和可信度有直接影響，主要包括：1）患者分類事實：通常根據年齡、近期是否接收冠脈介入手術，將患者劃分為三大類。即高齡冠心病患者、普通冠心病患者和介入術后冠心病患者；2）冠心病患者運動風險分級事實：對于冠心病患者，運動危險分層主要依據心電圖、心律失常、血管再通后并發癥、心理障礙、左心室射血分數、儲備功能（METs）和血肌鈣蛋白濃度等指標。

（2）中間事實

中間事實是指在推理過程中，產生的過渡事實，中間事實不一定為患者的真實事實，不要求完全準確和貼近患者真實狀況，是基于事實庫中的現有事實通過匹配推理規則得出的可能事實。

（3）結果事實

結果事實是指通過推理引擎推理得到的最終結果。

新課改的環境下，小學三、四年級的科學教師要摒棄一味只重視卷面成績的傳統認識，堅持科學實驗的本質，擴展科學實踐活動，加大學生動手實驗的機會，豐富多樣地調動學生的學習興趣，使學生的創新能力、探究能力、及科學素養得以發展與提升。

2）推理模型規則劃分

根據心血管醫師為冠心病患者診斷和開具康復方案的基本流程，可以將推理規則分為三大類型，即患者基本分類規則、患者運動風險分類規則和運動康復方案生成規則。這三類分類規則具有一定的順序和優先級：患者基本分類規則＞患者運動風險分類規則＞康復方案生成規則。

（1）患者基本分類規則

患者基本分類是推理的第一步，不同基本分類的患者會對應不同的運動風險分類規則和不同的運動康復方案生成規則。推理規則執行順序越靠前對后續推理結果的影響越大，故需要選用可靠性高的推理規則完成推理的第一步。在心血管醫師問診過程中，會對患者進行基本類型的劃分，冠心病患者基本分類規則是患者分類規則最明確也是最準確的規則。

患者運動風險分類在患者基本分類基礎之后進行。對于不同類型的患者對應不同的風險分類規則。

對于普通冠心病患者，當參考項中任何一項結論為高危則當前冠心病患者存在高危運動風險；當參考項中每一項為低危則當前冠心病患者存在低危運動風險；當呈現其他組合結果則當前冠心病患者存在中危運動風險。

對于近期冠脈介入術后的患者，當有一項為高危則患者存在高危運動風險，當全部指標為低危則患者存在低危運動風險，其它情況下患者存在中危運動風險，與普通冠心病患者的運動危險分層評判標準一樣。

（2）康復方案生成規則

根據冠心病患者的危險分級，分別對應不同的康復方案生成規則。該類生成規則還引入患者的靜態數據（性別、年齡、身高、體重、用藥方案等）。例如營養處方的生成規則主要參考患者身高、體重和日常勞動強度等。

2.3.2 康復方案推理流程

基于Drools的冠心病康復方案推理流程如圖2所示。

圖2 基于Drools的冠心病方案推理流程

患者分類是整個推理的基礎部分，患者分類產生的中間事實與源事實共同決定冠心病患者危險分層，同時危險分層過程中產生的中間事實與源事實組合調整危險分層。如果事實之間無沖突，則按流程繼續執行，如果事實之間發生沖突，則處理沖突之后按流程繼續執行，直至事實庫不再有新的事實加入。當事實庫不再更新，則利用康復方案生成規則生成康復方案，并導出最終的冠心病康復方案。具體規則執行流程如圖3所示。

圖3 Drools規則執行流程

3 實驗分析與比較

本文從武漢大學中南醫院獲取207例冠心病患者樣本病歷資料（數據已進行脫敏處理），經過患者去重和殘缺數據過濾，共有195例可利用病歷樣本納入。分析病歷樣本可發現冠心病患者常伴隨其它慢性疾病如高血壓、糖尿病等，另外冠心病具有多種并發癥如肺水腫、心力衰竭、休克、心源性休克等。本文將病歷樣本分為兩類，分別為單一冠心病患者147例和多病種冠心病患者48例。

測試實驗生成195份冠心病康復方案，由武漢大學中南醫院心血管內科醫師對康復方案進行審核，審核結果如表1所示。其中針對單一冠心病樣本的康復方案通過率為91.16%，針對多病種冠心病樣本的康復方案通過率為85.42%，整體樣本通過率為89.74%。

表1 冠心病康復方案審核結果

本文分別對康復方案中的四部分：營養處方、有氧運動處方、阻抗訓練處方、柔韌性訓練處方分別進行實驗結果通過率的統計，其通過率如圖4所示。

圖4 康復方案子處方通過率

由圖表數據可知：針對單一冠心病樣本生成的康復方案中，有氧運動通過率較低，方案修改原因多為運動種類與運動時間不合適；針對多病種的冠心病樣本生成的康復方案中，營養處方和有氧處方通過率較低，多病種患者中包含糖尿病患者和腎臟疾病患者，故需要根據患者實際情況對營養處方和有氧運動強度進行調整；康復方案中的柔韌性訓練通過率最高，柔韌性訓練對患者疾病狀態幾乎沒有要求，所以適用性最強。

對195份樣本數據進行患者基本類型分類，其中普通冠心病患者病歷65份，PCI冠心病患者病歷126份，高齡冠心病患者病歷4份。三類患者對應病歷樣本生成的康復方案審核通過率分別為93.85%、88.1%和75%。普通冠心病患者的康復方案通過率最高，通過率超過93%。高齡冠心病患者康復方案的通過率較低，由于高齡冠心病患者的樣本過少，針對高齡冠心病的康復方案有效性需要進一步的實驗驗證。針對PCI冠心病患者的康復方案通過率比普通冠心病患者的康復方案低，主要原因可能為患者接受冠脈介入手術后，身體狀況多變，因此需要根據患者實際情況調整康復方案。

康復方案有效性測試結果表明本文所構建冠心病康復方案模型和冠心病康復方案推理引擎是有效的，可以協助醫師為冠心病患者高效制定合理、有效的個體化康復方案，具有一定的推廣意義。

4 結語

本文參照國內冠心病專家學者對冠心病康復的診療共識和建議，在康復方案原型基礎上進行概念抽象，設計并實現冠心病康復方案模型。基于Drools構建冠心病康復方案生成引擎，將康復方案模型中的事實與規則抽離出來構建事實庫與規則庫，實現模型事實與模型規則的解耦，并基于構建的引擎實現了冠心病康復方案的自動生成。該冠心病康復方案可以協助心血管醫師制定冠心病康復方案，具有一定的診療意義。