基于智能分析引擎的靜脈血栓風險管理系統

劉俊卿，王洪濤，周 霏

(天津醫科大學腫瘤醫院 國家腫瘤臨床醫學研究中心;天津市“腫瘤防治”重點實驗室;天津市惡性腫瘤臨床醫學研究中心，天津 300060)

靜脈血栓栓塞癥(Venous Thrombo Embolism，VTE)包括肺血栓栓塞癥(Pulmonary Embolism，PE)和深靜脈血栓形成(deep vein thrombosis，DVT)，PE和DVT是同一疾病不同階段、不同部位的兩種臨床表現，兩者統稱為VTE[1]。每年全球VTE的發生近1 000萬例[2]，是院內非預期死亡的重要原因。對靜脈血栓栓塞癥這種具有高發病率和死亡率的疾病，及早對病人進行風險評估和預防顯得十分重要[3]。全世界32個國家的調查顯示，超過50%的住院患者存在發生VTE的風險，但僅有一半的高危患者接受了預防措施[4]。中國工程院院士王辰等牽頭納入1.3萬余例住院患者，覆蓋44個城市60多家床位超過500張的三甲醫院的研究顯示，中國外科住院患者中處于VTE發生中、高風險比例分別為32.7%和53.4%。然而，僅有極少數(9%)人群按照美國胸科醫師學院(ACCP)第9指南所推薦的預防建議進行預防，其中內科預防率為6.0%、外科預防率為11.8%[5]。而早期對住院病人進行全面的VTE風險評估，識別VTE高危病人，及時進行預防，可以顯著減少醫院內VTE的發生[6]。因此，建立高效便捷的VTE風險防控信息管理系統，是醫院預防VTE發生的重點環節。

1 政策和現狀

近年來，我國衛生健康委已經將院內VTE納入醫院醫療質量管理體系，2018年，衛健委開展“加強肺栓塞和醫院內靜脈血栓栓塞癥防治能力”建設項目[7]，這是繼原衛生部全國腦卒中篩查與防治項目后第二個國家疾病防控項目。2020年10月全國肺栓塞和深靜脈血栓形成防治能力建設項目辦公室發布了《信息化應用和質控管理建議》，建議VTE防治應從預防、診斷、治療和質控4個方面管理，通過功能評價和應用評價綜合推進VTE防治信息化應用水平。

醫院現行評估流程通常是由醫務人員在紙質版的評估量表上勾選相應條目后進行累加得分，根據指南推薦的得分區間，按照低危、中危、高危、極高危進行危險度的分層[8]，再根據危險度采取相應的預防處理措施。線下紙質管理方式存在風險評估不易全量覆蓋、預防/治療措施不能實施跟蹤、事后無法監控統計等問題。因此，急需設計建設一套基于智能分析引擎的集VTE評估量表生成、評估、治療、統計功能于一體的院內靜脈血栓栓塞風險管理系統。

2 系統需求分析

2.1 同類型系統比較

近年來，隨著我國逐步重視醫院VTE防治體系的建設和管理工作，并修訂相關指南及管理建議，國內多家醫院和業內人士進行了VTE防控管理的探索與實踐。王琦等[1]研發了基于醫院信息系統(HIS)基礎上的、采用一體化操作設計的VTE信息管理系統，將VTE風險評估、出血風險評估及預防策略等建立在臨床信息管理系統中，對比分析了手工進行VTE防治管理的缺陷和不足。劉嬌等[9]設計實現了基于一體化電子病歷和臨床數據中心，完善血栓風險評估Caprini評分表，實現數據自動化抓取，以及不良事件上報的自動觸發，自動生成每月住院患者VTE防治信息總表，并進行全院推廣。上述研究都按照相關要求和指南實現了VTE評估、管理工作的信息化，但是對于電子病歷中基于自然語言的非結構化診療信息，沒有得到有效利用，難以實現評估工作的智能化?；谥悄芊治鲆娴哪[瘤患者靜脈血栓栓塞風險管理系統利用NLP、數據挖掘和機器學習等人工智能技術，應用文本挖掘、語義分析技術深度分析醫院信息系統中醫療文書、診斷、手術、檢查檢驗、醫囑等相關高危致病信息，將非結構化文本形式的病歷數據變成可用于統計、查詢和分析的結構化數據。通過信息技術實現對患者靜脈血栓形成風險進行自動評估和預警。

2.2 當前的問題和瓶頸

醫院電子病歷中包含了大量的患者診療信息，例如，人口統計信息、檢查檢驗信息、癥狀、疾病史、用藥史等描述，而這些病歷大多是基于自然語言的，非結構化的病歷信息雖然便于描述患者的診療過程，但這些描述不便于搜索和統計分析，不能有效利用。因此，需要使用自然語言處理相關技術。

2.3 系統功能性需求

目前，國內外癌癥患者VTE風險評估主要采用Khorana風險預測模型和Caprini風險評分表。Khorana模型是Khorana(2008)開發的一個用于評估門診癌癥患者VTE風險的評估模型，現已廣泛用于門診化療癌癥患者VTE的風險評估，評估為高危的患者需預防血栓治療，該評分量表已在多個前瞻性及回顧性研究中進行了驗證[10]。而Caprini風險評分表廣泛應用于外科VTE風險評估，國內指南也推薦用于腫瘤術后VTE的風險評估。Caprini血栓風險評估模型的優點包括:①危險因素涵蓋全面，根據目前可得的危險因素評分，并可根據危險因素變化及時調整患者危險分級;②對患者進行個體化的VTE風險評分，有利于指導個體化的預防治療，便于采取相應的預防措施，可操作性強;③適合?？坪头菍？漆t生、護理工作者及廣大基層醫療工作者使用。

系統根據評估量表中的風險因素，自動生成患者評估量表以及計算評估總分，根據評分規則提示危險程度，并聯動相應預防處理措施。具體VTE風險分級為:①外科Caprini風險評估。評分0分，提示“非常低危，無需預防”;1～2分，提示“低危，物理預防”;3～4分，提示“中危，藥物預防和(或)物理預防”;評分≥5分，提示“高危，藥物預防和(或)物理預防”。②內科Khorana風險評估。評分0分，提示“低危，物理預防”;1～2分，提示“中危，藥物預防和(或)物理預防”;評分≥3分，提示“高危，藥物預防和(或)物理預防”。中高?；颊卟扇∷幬镱A防處理前需要填寫住院患者出血風險評估，如存在出血高危因素，提示“存在出血高危因素，藥物預防需慎重”。

新入院患者24 h內完成VTE風險評估，手術患者術后24 h內完成，患者發生病情變化時隨時進行評估，長期住院患者每月復評一次。根據評分規則提示危險程度，并聯動相應預防處理措施。中高?；颊卟扇∷幬镱A防處理前需要填寫出血風險評估，如存在出血高危因素，醫生會慎重選擇藥物預防措施。

3 系統設計

3.1 架構設計

VTE防控管理系統對接臨床業務系統，可獲取患者臨床業務數據，從HIS中提取患者基本信息、醫囑、處置、護理、診斷等數據，從手術管理系統中提取手術相關數據，從LIS中提取報告數據，從EMR系統中提取電子病歷信息，通過智能分析引擎批量分析，將潛在的VTE風險患者進行標記識別;通過系統消息服務平臺，實現風險患者即時通知護士評估、醫生預防處置，并可在事后提醒護士錄入處置結果，形成VTE防控管理的信息化閉環;在系統運行過程中，記錄VTE防控閉環各個節點處理過程，同時從電子病歷系統中提取部分結構化描述進行保存，逐步形成VTE病歷數據倉庫，為構建更精準的VTE智能分析引擎提供數據基礎。

系統總體設計架構圖如圖1所示。

(1)提取臨床業務系統數據，利用智能化、自動化VTE預警風險評估技術開展全樣本篩查，有效預測在院病例的VTE風險等級，初步篩查出潛在風險病例。

(2)基于消息服務平臺，將VTE智能分析引擎分析出的結果信息推送至護士端，護士在實時接收待確認患者信息后，修改或確認評估信息。

(3)風險評估確認后，針對確實存在風險的患者，第一時間推送至醫生端，醫生根據風險級別、出血風險、病歷特征等信息生成個性化的預防措施以及針對性的治療方案，從而提高VTE早評估、早預防、早診斷和早治療。

(4)基于臨床路徑方法建立標準化干預診療路徑，實現患者評估、預防、診斷、治療等全過程各個節點的全面記錄，逐步積累VTE病歷數據，形成VTE病歷數據倉庫。

3.2 關鍵技術

自然語言處理(Natural Language Processing，NLP)就是用計算機處理、理解以及運用人類語言(如中文、英文等)，它屬于人工智能的一個分支，是計算機科學與語言學的交叉學科，又常被稱為計算語言學?；贜LP技術，通過后臺對自由輸入或半結構化的病歷文書進行關鍵詞界定，對醫療術語的語義進行解析，最終將自然語言描述的電子病歷文本通過NLP技術轉化為機器可讀、可處理的結構化數據，為VTE系統智能評估提供基礎。

Socket是應用層與TCP/IP協議族通信的中間軟件抽象層，它是一組接口。在設計模式中，Socket其實就是一個門面模式，它把復雜的TCP/IP協議族隱藏在Socket接口后面，對用戶而言，一組簡單的接口就是全部，讓Socket去組織數據，以符合指定的協議。用Socket可以實現發送即時消息的功能，客戶端和服務端需要建立長連接，在長連接的情況下發送消息。客戶端可以發送心跳包來檢測長連接。

動態鏈接庫(Dynamic Link Library，DLL)，是微軟公司在微軟Windows操作系統中，實現共享函數庫概念的一種方式，利用該技術對VTE業務功能封裝，支持第三方進行功能嵌入。

3.3 核心模塊設計

3.3.1 VTE智能分析引擎 VTE智能分析引擎采用Java語言，基于SpringBoot框架開發，與醫院各臨床業務系統進行數據接口對接，利用NLP自然語言識別技術，對臨床業務系統中非結構化文本形式的數據進行結構化處理。在此基礎上，結合預定義風險評估模型，對VTE各項關鍵風險因素進行驗證，實現患者VTE風險智能分析。VTE防控系統智能分析引擎架構如圖2所示。

VTE智能分析引擎對非結構化的電子病歷數據進行命名、抽取以及構建詞典庫，獲取VTE相關診療信息，根據評估規則劃分VTE風險等級。首先，將病歷文本進行中文分詞，將連續的字序列按照相應算法規則重新組合為詞序列;其次，結合臨床知識使用標注工具Brat將新的詞序列進行詞性標注與命名實體識別、標注相關語義和語法，達到語義分析的目的;最后，對每個風險因素設定不同風險權重值，針對低、中、高危狀態設定相應閾值，當患者各因素分值總和處于閾值范圍內時，則標記其為對應的風險等級的人群。

基于系統運行形成的VTE病歷數據倉庫中大量數據，使用了邏輯回歸(Logit Regression，LR)建模方法進行系統學習優化，由臨床VTE醫療專家參照上述兩個評估量表明確所有評估指標，再對明確的指標提取內容進行效果評價。不斷迭代分析模型，以提高智能分析的準確率。

3.3.2 VTE消息服務平臺 VTE消息服務平臺采用C＃語言，結合Socket通訊技術，利用科學合理的方法將種類繁多、涉及部門寬廣、存放位置分散的消息數據源進行規范與集中，搭建一個通用的消息服務平臺，并具備統一的用戶使用方法、統一的用戶簽約方式、統一的數據管理、安全的數據接口、便捷的系統搭建方法以及統一靈活接口調用方式將各個系統模塊中消息進行集中管理，以即時消息的方式，打通醫生、護士工作站，實現對VTE防控閉環各個任務節點的串聯工作(見圖3)。

4 功能實現

系統讀取院內各個醫療信息系統中的結構化和非結構化診療信息，經過自然語言處理提取VTE風險因素，根據風險評估規則生成評估表，計算出患者VTE的風險值，達到風險值時對醫生和護士工作站分別做出提示。建議采取預防治療措施，將診療全過程進行記錄，生成各類管理和統計報表，最終形成VTE管理數據倉庫，對數據倉庫數據進行系統學習，進一步優化風險評估模型，以期實現精準的醫療決策支持。VTE管理系統業務處理流程如圖4所示。

4.1 VTE業務處理客戶端

VTE業務處理客戶端同樣采用C＃語言，是基于WinForm框架開發的C/S架構程序，支持與醫生站、護士站系統進行嵌入式集成(DLL方式)，避免用戶多次身份信息驗證，由醫生站、護士站系統進行客戶端程序的喚醒和退出，可實現VTE消息接收，并以彈窗形式進行VTE業務處理(見圖5)。

4.2 VTE病歷數據倉庫

VTE病歷數據倉庫采用MSSQLServer數據庫，以VTE事件為主表，VTE患者信息、風險評估內容、預防處置措施以及處置結果記錄為副表構建星型數據模型，數據倉庫的特征在于面向主題、集成性、穩定性和時變性，用于支持管理決策。隨著系統持續的運行，不斷進行VTE防控管理業務數據積累，形成VTE病歷專項數據倉庫。系統指標展示采用ECharts前端框架，后臺采用Java技術進行數據處理，實現VTE數據可視化。

4.3 VTE管理數據統計

該功能主要分析和查詢全院VTE患病情況，并通過占比及分布情況，實現VTE預警結果分析與統計查詢的功能。

具體通過如下幾個維度展現。VTE風險評估相關指標:入院24 h VTE風險評估率、VTE中/高危患者出血風險評估率、VTE中/高?；颊叱鲈呵霸僭u估率;VTE預防干預相關指標:內科預防干預相關指標、內科高危患者預防比例、內科高?；颊咚幬镱A防比例、外科中/高危患者預防比例、外科中/高?；颊咚幬镱A防比例;VTE監測相關指標:手術患者手術后肺栓塞發生率、手術患者手術后深靜脈血栓發生率、PTE死亡發生率、PTE死亡占醫院內死亡比例、PTE死亡患者中未采取預防措施的比例、PTE診治成功率。

5 結語

VTE不僅嚴重影響醫療安全與醫療質量，而且會增加醫療成本[11-12]。院內VTE防治工作不僅已納入醫療質量管理和監控體系，同時應將其提高到醫院管理、醫療質量管理及患者安全管理的高度[9]?；谥悄芊治鲆娴撵o脈血栓風險管理系統用信息化系統替代傳統紙質評估單評估，節約了紙張成本;實現醫護信息系統對接，減少了口頭交接的時間消耗，最大程度避免評估工作的遺漏與誤差，有效保障了患者的安全;實現評估篩查全覆蓋，系統在某腫瘤?？漆t院上線后VTE風險評估率為100%，避免了紙質評估的漏評、錯評問題，有效降低了靜脈血栓栓塞發生率;評估過程全流程管控，評估為中高危患者中，預防措施的干預率為72.1%，藥物預防前出血評估率為100%，有效提高了院內管理效率;監控管理全覆蓋，詳細呈現了評估結果和疾病發生狀況，有效提升了醫療管理質量;借助信息化平臺的搭建，提高了臨床防控共識及管理水平[13]。