人工智能與大數據在心血管內科護理中的應用

李 艷綜述，朱歡歡審校

0 引 言

人工智能 (artificial intelligence, AI)是以計算機科學為依托，通過模仿人類的思維過程、學習過程和知識存儲過程，用以研究、開發、模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學[1]。隨著信息化進程的不斷加快,醫療衛生領域也已逐漸進入大數據時代。大數據是指世界范圍內由醫院、移動設備產生的，多樣化、無序的海量的數據。近年來AI與大數據的應用與研究正在蓬勃發展，廣泛的應用于影像學、康復醫學、口腔醫學、婦產科學等領域[2-3]。本文就近年來AI與大數據在心血管內科護理領域的應用進展作一綜述，并介紹其存在不足和面對挑戰，以期為其在未來護理事業的發展提供參考與借鑒。

1 AI在心血管疾病診療中的應用

心血管疾病是全球范圍內性致死性疾病之一,占我國城鄉居民總死亡原因的首位[4]。嚴重危害公共健康，運用高效、先進的技術手段篩查心血管疾病，能夠有效提高診斷及預測效果，同時改善患者預后。

心電信號是直接反應心臟電活動的無創手段，數據獲取比較容易，因此基于心電信號的AI研究較多。中國人民解放軍總醫院心血管內科采用體表12導聯心電圖圖像作為數據基礎，通過監督學習不斷訓練由卷積神經網絡建立起模型,該模型在心律失常診斷方面的準確度與靈敏度都達到了95%以上[5]。Hannun 等[6]開發了一個源于端到端深度神經網絡(deep neural networks,DNN)學習的方法來區分診斷12種心律失常，研究顯示當DNN 的診斷特異性與心臟病專家的平均診斷特異性一致時,DNN的敏感性高于所有心律失常的心臟病專家診斷的平均敏感性[7]。Datong等[8]提出一種基于AI的冠狀動脈鈣化檢測方法，實踐證明其檢測復雜背景下的冠狀動脈鈣化區域的精確率為77.1%，可有效減少影像醫師識別冠狀動鈣化的時間，避免不同醫師診斷之間的主觀性和多樣性。Betancur等[9]在單光子發射計算機斷層成像(singlephoton emission computed tomography，SPECT)采集過程中采用支持向量機精準定位392例患者的二尖瓣平面，通過數據追蹤發現機器學習和深度學習不僅可進一步增加 SPECT檢測的準確性，還能夠提高SPECT檢查結果對患者疾病預測的潛能。Bai等[10]通過 AI 深度學習研究心臟病患者的心臟超聲檢查結果，可預測患者的住院死亡率。

2 AI與大數據在心血管內科護理中的應用

AI與大數據可減輕心血管內科護理工作強度，提升工作質量，在疾病監測、護理科研與教育、臨床決策等方面都存在巨大的應用潛力。

2.1 AI與大數據在心血管內科臨床護理的應用現狀

2.1.1 以APP為基礎的健康管理模式的興起近年來以APP為基礎的心血管疾病管理模式悄然興起。樂梅軍[11]設計出基于Android平臺的移動端高血壓管理APP，能夠實現血壓風險評估、階段血壓監測報告、用藥提醒、習慣管理、免費問診及醫患、護患互動。青島市立醫院運用“移動平臺管理新模式”在老年高血壓病患者中運用，充分利用醫療介入和互聯網移動平臺，提高了老年高血壓的遠程與實時管理效果，彌補了傳統高血壓管理模式依從性不強、重視度不夠、管理人群不固定、分工不明確等方面的不足，在降低血壓和血壓波動值方面效果顯著，同時也證明了老年專科醫師、全科醫師和護士管理同樣有效[12]。王朋朋等[13]以APP為基礎為H型高血壓患者提供延續護理，既能為出院患者獲得及時、有效、有針對性的指導，也可改善患者的心理狀態，促進患者關系，最終提高患者認知水平、提高治療依從性，改善患者癥狀。夏煒妍等[14]利用物聯網遠程血壓監測結合APP管理對高血壓患者血壓及患者自我護理行為進行干預，能夠有效的識別無癥狀高血壓，排除白大褂高血壓，并改善了患者焦慮、抑郁情緒和睡眠質量，提高了治療依從性。鄭一梅等[15]使用心血管家庭關護APP，有效改善冠心病患者出院后12個月后自我管理行為中的疾病管理行為、日常生活管理行為、情緒認知管理行為、提升了血壓控制達標率，BMI達標率。楊學青等[16]利用移動醫療APP及微信群在老年冠心病患者中實施延續護理,提高了中老年冠心病患者的生活質量并降低再住院率。潘曉等[17]證實應用移動醫療APP對經皮冠狀動脈介入治療術后中青年冠心病患者進行院外自我管理干預，可提高患者的自我管理行為水平、冠心病知識掌握程度、服藥依從性得分、戒煙和運動達標率，效果顯著，值得推廣應用。綜上所述，手機APP已經成為集評估、監測、行為管理為一體的健康管理輔助手段，能有效的改善患者的結局。

2.1.2 以疾病為導向的健康計劃的實施與管理心力衰竭再入院通常是由于患者知識及對復發性液體充血早期階段的認識不足而引起的。在心力衰竭出院患者中引入護士主導的疾病管理計劃(disease management programme, DMP)，以智能風險干預的評分來預測短期患者醫院再次入院可能，該項目包括：在護理單元使用手持式超聲設備進行液體管理；出院后隨訪；最佳程序化藥物滴定；更優化的轉診護理；以數字化為基礎強化自我護理；以數字化為基礎的運動鍛煉等。全程由護士實施知識教育。研究證明護士主導的高頻DMP在識別高風險心力衰竭患者的短期再入院中有準確率較高，其中使用AI超聲引導的利尿劑管理能夠顯著提高門診患者的心衰知識知曉率[18]。日本大阪大學以“注意”、“關聯性”“信心”和“滿足感”等四大學習動機為基礎，依托AI營設計出一個讓老年人易于接受的具有卡通形象及高血壓藥物建議及飲食指導的應用程序的智能機器人，顯著提高了老年人服藥的依從性[19]。在冠心病患者中實施為期四周的移動健康管理計劃，干預后6個月，干預組在冠心病知識的知曉度、患病后壓力感知、健康生活行為方面均有明顯改善[20]。

2.1.3 機器人在心血管患者中的應用進展為彌補護理人力資源的短缺，越來越多的機器人應用于心血管患者，為心力衰竭患者提供特殊照顧和護理的輔助機器人、為居家心血管患者提供疾病監督及活動幫助的服務型機器人、能夠檢測障礙物及繪制地圖的助行機器人；在心血管護理單元自主分發食物及回收餐具的輔助喂食機器人、以護理人員視覺為引導幫助患者體位改變及床與床及床與輪椅之間轉移的運載機器人、監測心梗患者心電圖、飽和度、血壓、脈搏、呼吸，以及體溫并將數據進行傳輸的監測型機器人[21-23]。提高心功能障礙患者在步行訓練中的耐受性，減少疲勞及改善痙攣的輔助步態訓練機器人等[24-25]。在老年護理院根據老年人興趣(音樂、游戲、電影)，可最大限度的維持患者的社交活躍狀態，減輕他們孤獨焦慮的情緒的情感機器人[26]。

2.2 AI與大數據在心血管內科護理教育的應用現狀以AI為基礎的高仿真模擬教學越來越多用于以臨床情景模擬為基礎的學習情景，利用遠程傳感技術，既能最大限度的還原真實的醫療場景，又能為學生提供安全的練習程序，不會對真人造成傷害，能明顯提高護生的學習興趣及效率[27-28]。在心血管內科實習護生中使用介入模擬治療工具，能夠使護生對介入治療過程的認識更加直觀，在工作過程中能更好的解決介入治療患者出現的問題，能顯著提升護士的學習效果，提高臨床教學質量[29]。心臟雜音的聽診、常見心電圖的識別是心血管內科見習需要熟練掌握的內容，羅艷[30]等通過在心血管專科新入職護士規范化培訓中引入專科小程序，將常見心臟雜音、心電圖設置成闖關模塊，增加了學習的趣味性，有效的提高了學習效果。

2.3 自動化護理診斷及遠程資源共享自動化護理診斷系統嘗試AI逐步取代護士成為心血管內科急癥護理的主要決策者，未來5年在急性護理環境中,基于AI的協議將有可能取代目前以人工為基礎的急性護理診斷和基于閾值的醫療決定[31]。

在心血管內科護理工作中引入大數據將有助于護理專家發現心血管內科患者群體中健康模式的差異，精準預測不同患者對健康服務的需求，并識別醫療危機；遠程監測系統的開啟，信息聯通與共享將患者的護理從患病前延伸至出院后，以心血管患者為中心向周圍親友輻射，使圍繞個體的全程健康護理及資源共享成為可能[32-33]。移動設備支持的醫療實踐改變了衛生工作者之間的合作方式：護理工作者之間的溝通與交流擺脫了地域的限制，提高了協調性和護理質量[34]。

3 AI在心血管內科護理中的前景與挑戰

3.1 AI與大數據的發展能有效緩解心血管內科護理人力短缺的現狀隨著AI技術的蓬勃發展和大數據時代的到來，AI技術為越來越多的患者的日常生活提供便利也減輕護理工作人員的負擔，在緩解護理人力資源短缺方面起到了重要作用。心血管內科是集中救治心血管危重患者以及心臟介入手術后期恢復的場所，其患者病情危重，復雜多變，患者需要進行嚴格的監護，是護理高風險的場所，也是體現護理質量高低的重要場所。病房巡視機器人可代替護理人員完成巡視工作、智能吸痰機器人可自動完成吸痰管的送入和退出，減輕了護理工作量[35]。

3.2 AI和大數據為心血管患者提供個性化全程護理提供了有效的技術支持越來越多的醫療機構及醫務工作者通過健康APP、移動醫療、智能終端等AI設備向高血壓、冠心病等患者提供實時監控及延續護理。更符合以患者為中心的生物-心理-社會的現代醫學模式的發展，體現出針對不同對象的以人為本的人性化護理服務，滿足患者身心發展的需求，有利于促進患者疾病的恢復。

目前AI與大數據在護理領域的發展需要面對三大挑戰。一是教育不足，一線護士及護理專家可幫助數據分析人員在于從大數據中發現有意義數據，但是現階段護士欠缺提出正確的數據問題及應用數據科學的能力，因此護理教育團隊應盡快實施與之相匹配的課程體系。二是缺乏相應的監管，目前研究者僅關注AI及大數據能夠提供及處理海量的數據、為疾病的診斷、治療、護理提供有效的監控及科學的預測，但如何保障信息安全、降低數據偏倚、保護患者隱私是亟待解決的問題。三是法律空白，如何定義AI的法律身份及出現失誤時承擔法律的主體，也是阻礙AI在護理領域進一步發展的一大障礙。