大數據背景下智慧醫療的思考＊
——以睡眠監測系統為例

張申全，葉金生，陳博雅，王夢瑤，王泰然，唐源遠

（新鄉醫學院，河南 新鄉 453003）

1 概述

隨著生活水平的不斷提高，人們對疾病的關注度不斷增加，目前已知的疾病許多都與腦電、心電、肌電等生理信息相關，因此監測這些生理參數對于許多疾病都具有診斷學意義，如多導睡眠監測（Polysomnography，PSG）是臨床診斷睡眠呼吸暫停綜合征的金標準，也是睡眠醫學發展過程中一項重要技術評價手段[1]。由于中國人口基數大、老齡化嚴重，現有的醫療資源略顯不足，尤其在新冠肺炎疫情以來醫療資源更顯緊張。為緩解醫療資源短缺，應用物聯網技術、人工智能算法、5G網絡等新型信息技術，進而推動智慧醫療的發展將是一重要途徑。

2 智慧醫療的發展現狀與啟示

智慧醫療是基于互聯網、大數據、云計算、人工智能等技術，為患者提供高質量醫療服務的醫療模式，是傳統醫療的革命性升級，強調先進網絡信息技術與傳統醫療融合發展，從而實現更優質、更高效、更經濟的價值醫療[2]。目前中國醫療資源供需不平衡，為解決這一供需矛盾，智慧醫療技術在其中將發揮重要作用。中國智慧醫療發展迅速，目前智慧醫療的框架已基本構建，接下來的發展就是將其進一步完善。在復雜的醫學理論與抽象的經驗中，人工智能對智慧醫療的發展可謂是巨大助推。人工智能是計算機科學的一個分支，能夠分析龐大而復雜的醫療數據，可利用數據挖掘算法挖掘醫療數據中有意義的關聯關系，用于多種疾病的臨床診斷、治療及結果預測[3]。

人工神經網絡（Artificial Neural Network，ANN）是人工智能算法的重要組成部分。ANN模擬生物神經系統結構，其含有大量處理單元的非線性自適應動態系統[4]，具有自組織等功能。ANN可以模擬大腦，學習外界知識并存儲于網絡中。近年來大量試驗表明可用它來解決生物醫學信號分析處理中常規方法難以解決的問題，包括腦電信號分析、肌電和心電信號的識別處理等[5]。ANN是智慧醫療中最受歡迎的技術之一，可以應用于疾病的診斷和預后，目前臨床中已廣泛應用于醫學圖像的分析。醫學是一門經驗性學科，相比傳統的線性處理方式，ANN更適宜處理醫學問題。

有研究顯示，通過分析心電圖和腦電圖可以客觀地評估人心理壓力水平[6]。在臨床上，醫護工作者在夜間很難兼顧到每一位病人的心理壓力水平，如果通過現有的設備與技術，將患者心理壓力水平以及一些身體參數指標以數字的形式及時推送給醫護人員，一方面可以減輕臨床工作強度；另一方面可以提醒醫護人員及時處理突發狀況，避免不必要的醫患糾紛。因此，這一研究為智慧醫療的發展打開一條新思路。

3 智慧醫療模式中睡眠監測系統的發展構想

ANN在睡眠監測系統的發展中也具有重要的潛在應用價值。睡眠對中樞神經系統具有重要的調節功能，會影響學習、記憶、注意力等，在人的日常生活中起到關鍵作用。目前睡眠疾病在我國十分常見，并且睡眠疾病與腫瘤的發生存在相互關系[7]，因此睡眠監測發展具有重要意義，但目前常用的一些睡眠監測方法存在一些缺陷，如費時費力、不能實時同步檢測等，無法滿足臨床診療的需要。近十年來，隨著人工智能和互聯網技術的飛速發展，許多設備可以提供檢測者可視化的睡眠數據和睡眠報告，但在臨床實踐中，睡眠疾病往往與多種精神疾病或相關軀體疾病同時出現，從而使臨床醫師很難快速準確地判斷出睡眠疾病到底應該歸因于哪種疾病，是單獨存在或是與其他疾病并行。這些睡眠數據對于疾病診療的可靠性因算法不同和樣本量較小的問題依然存疑。因此，通過在現有設備與技術的基礎上結合ANN，提出一套睡眠監測系統，旨在減輕臨床工作的強度，幫助改善醫患關系，同時作為數據采集終端，為醫學數據庫提供相應的原始數據。

該系統是以智能枕頭為依托、以生理信號為載體、以ANN等智能算法為處理手段、以個性化與日常化為服務要求的智慧醫療睡眠監測系統，利用大數據和人工智能算法使服務需求主體（住院患者、老年群體）、服務供給主體（社區、醫院、護理院）、服務責任主體（政府、使用者）都能及時獲取完整的智慧醫養護數據，并基于數據分析與數據挖掘，為目標群體提供快速精準的智慧醫養護一體化服務，幫助建立完善的全周期監管服務體系。

3.1 智能枕頭終端

智能枕頭終端通過內置傳感設備，采集人體睡眠中的多項生理信息，如體溫、翻身、出汗、深睡眠時間、離枕時間等，并采用多協議進行信息傳輸，如圖1所示。外置腦電采集裝置使用低輻射藍牙協議進行傳輸，方便使用，減少使用過程中對使用者使用的不便。內置的骨傳導、體位傳感器采用有線傳輸，在主控芯片外周還有一屏蔽盒，最大程度降低電磁輻射對人體的影響。

圖1 多功能智能枕頭

3.2 系統運作流程

該系統中智能枕頭終端通過多項傳感器設備采集原始數據，再經過IoT網絡傳輸協議將數據實時傳輸到云端平臺[8]，在云端平臺中利用ANN等智能算法進行數據分析，將分析結果轉存到數據庫，并將相應的預警信息通過應用推送到使用者，如圖2所示。使用者同時可以通過應用請求云端服務器，間接控制智能枕頭終端設備。

圖2 系統運作流程

3.3 系統運作要素

3.3.1 數據采集

醫學研究早已證明在人體睡眠過程中，往往伴隨著腦電、眼電、心電、呼吸等多種生理信號的變化，這些信號量是監測睡眠質量的重要依據[9]，例如腦電信號（EEG）反映的是腦神經細胞在大腦皮層或頭皮的電生理活動。

心電：智能枕頭終端系統將創新性地采用石墨烯織物電極，解決傳統Ag/AgCl電極誘發人體皮膚過敏反應的問題，做到無毒無害，長期重復使用，同時也可達到了安全環保的效果。石墨烯電極具備優良的電氣性能、高信噪比、高靈活性、良好的生物兼容性和耐磨損性，并且在長時間不間斷心電監測采集設備上的應用具有明顯優勢。

腦電：腦電信號包含了人體許多生理信息與疾病信息，挖掘這些信息對疾病的診斷與治療都有重要意義。腦電信息的采集容易受到外界干擾，因此智能枕頭終端將采用腦后貼片式和發帶式兩種采集方式，貼片電極置于智能枕頭終端的表面，通過有線連接進行信息傳輸，而發帶式采集裝置為外置，通過藍牙協議將信息傳輸到微型電腦。

為了提供更加有效、便捷地服務，這些采集到的信息首先在微型計算機中進行去除噪音，實現數據查詢與實時監控。這種邊緣計算的優點在于提供便捷高效地服務的同時，在數字化信息層面打破了醫學數字信息的“孤島”狀態。在微型計算機中處理之后的數據會同步上傳到云端平臺。

3.3.2 基于人工神經網絡技術的智能算法

現代醫學面臨著要獲取、分析和應用大量必要的知識來解決復雜臨床問題的挑戰。醫學人工智能的發展與人工智能程序的發展有關，智能算法可以幫助臨床醫生診斷、做出治療決定、合并預測結果。近二十年來在醫學領域中，ANN是最受歡迎的人工智能技術之一。ANN采用了與傳統人工智能和信息處理技術完全不同的機理，克服了傳統的人工智能在處理直覺、非結構化信息方面的缺陷，具有自適應、自組織和實時學習的特點[10]。因此ANN等智能算法在臨床實際問題的解決中可以起到事半功倍的效果。

不同的應用場景宜采用不同的ANN模型，常見的ANN模型有BP（Back Propagation）神經網絡模型、線性神經網絡模型等，在醫學診斷和預測中常用的人工神經網絡模型是BP神經網絡模型。BP神經網絡是一種按誤差反向傳播訓練的多層前饋網絡，其基本思想是梯度下降法，使網絡的實際輸出值和期望輸出值更為接近。目前腦電信號、心電信號處理算法可以采用BP神經網絡算法。BP神經網絡可以通過處理睡眠時期的腦電信號和心電信號，將睡眠準確分期，而睡眠分期是睡眠評估的基礎，在睡眠疾病中早期診斷和干預中起到重要作用。此外BP神經網絡還可以用于醫學數據的挖掘，通過系統采集到的數據，匯總之后可以通過此算法進行數據挖掘[11]。

睡眠監測系統通過智能枕頭中的傳感器收集人體脈搏、腦電、心電等睡眠信息，之后這些信息會匯總到微型計算機中，微型計算機通過算法對數據進行篩選與過濾，把有效數據存儲于本地數據庫并上傳至云端服務器。在云端服務器中進一步處理數據。云端將會匯總大量的數據，之后可以進行數據挖掘，關聯規則挖掘，能夠從復雜的數據中發現彼此之間的關聯，提取出更多有價值的信息，為用戶提供數據支撐和決策支持，通過分析大量用戶睡眠參數以及個人情況，進一步挖掘出睡眠信息與疾病的聯系。同時，大量的數據分析還為臨床的科研方向提供思路。

3.4 系統運作服務目標

本睡眠監測系統的運作服務目標主要分為2個大類：（1）醫院對患者的輔助檢測治療。由于夜間醫生數量較少，不能兼顧到每一位住院患者，當睡眠監測系統運用于醫院時，可充當醫生的“小幫手”，通過腦電—心電等技術監測用戶的狀態，及時反饋并記錄數據，便于醫生對癥下藥；（2）養老院、社區診所等醫療設施較低的場所。由于養老院醫療設備較差，當睡眠監測系統運用于養老院時，是每一位老人的私人醫生，能夠有效監測老人的各項指標，通過分析指標是否正常，及時地反饋到負責人處，采取相應的治療措施。

3.5 系統運作難點分析

從技術層面來說，目前效果最好的腦電采集裝置為電極帽，貼片式與發帶式的腦電采集裝置雖然也達到采集腦電的作用，但是其采集的效果與電極帽采集的效果對比還是有一定的差距，與此同時多種信號的同時采集勢必會相互產生干擾，因此需要不斷修正各個模塊的采集算法，以去除干擾，進而獲取更為有效的數據。

從應用層面來說，睡眠監測系統涉及設備眾多，數據的安全性應作為首要考慮因素。其龐大的運作體系需要制定一套完善的安全體系，該體系的建立不僅僅需要管理層面給予大力支持，同時還需要從技術層面一同助力。睡眠監測系統是建立在智能枕頭終端之上的，與傳統枕頭對比，智能枕頭不僅含有眾多傳感器，其形態也與傳統枕頭不同，因此在使用智能枕頭時需要改變使用習慣，如何更好地改變習慣將傳統枕頭替換為智能枕頭將是一個難題，這不僅需要從枕頭的形態結構上進行不斷改善，也需要從文化角度著手。

4 結語

中國目前正處于飛速發展時期，人工智能、可穿戴設備等技術依舊在蓬勃發展，人工神經網絡對睡眠數據和睡眠疾病相關性的深度發掘和學習將進一步幫助實現遠程醫療，同時也對睡眠醫學的臨床和科研產生極大的影響。整個智慧醫療系統規模龐大，涉及政治、經濟、文化等因素，并且具備系統的整體性、層次性以及動態發展性等特點，是一項復雜的系統工程。中國智慧醫療模式與一些發達國家智慧醫療模式在信息化建設、數據挖掘、就醫體驗、醫療保險等方面還存在較大差異[12]。雖然目前醫用智能枕頭尚未成熟應用于臨床，但隨著制度的完善與技術的升級，醫用智能枕頭作為臨床信息的采集裝置結合云端分析系統將會幫助減輕臨床工作強度、為臨床科研提供數據來源。在未來一定會成為傳統醫療體系的得力輔助和有益補充。