人工智能規范化診療系統對高尿酸血癥和痛風患者的療效分析

趙麗娟，欒霞，牛佳鵬

1.山東省青島慢性病醫院醫療中心，山東青島 266000；2.青島大學附屬醫院內分泌代謝科，山東青島 266000

隨著社會富裕程度的提高和飲食結構的改變，高尿酸血癥和痛風發病率呈逐年上升趨勢[1-2]。在我國尚缺乏較完整的與痛風相關的流行病學資料，但近年我國部分地區的流行病學調查研究顯示，中國痛風發病率逐年上升，山東沿海城市人群的痛風患病率達1.14%，而高尿酸血癥的患病率高達13.19%[3-4]。高尿酸血癥和痛風已成為僅次于糖尿病的第二大代謝性疾病，嚴重危害人們的身心健康，嚴重影響患者的生活質量[5]。選取山東省青島慢性病醫院2020年7月—2021年6月收治的高尿酸血癥和痛風患者200例為研究對象，旨在探討人工智能規范化診療系統對高尿酸血癥及痛風患者的治療效果。現報道如下。

1 資料與方法

1.1 一般資料

臨床選取該院查體中心和住院的高尿酸血癥和痛風患者200例，分為單純高尿酸血癥組（122例）、痛風組（78例）。單純高尿酸血癥組和痛風組分別再分為研究組和對照組，研究組分別為62例、40例；對照組為60例、38例。研究組患者中男70例，女32例；年齡22~85歲，平均(44.5±3.3)歲。對照組患者中男68例，女30例；年齡25~83歲，平均(46.1±2.8)歲。同一大組下的研究組和對照組在性別、年齡、臨床表現等一般資料比較，差異無統計學意義（P>0.05），具有可比性。

1.2 納入與排除標準

納入標準：符合高尿酸血癥診斷標準[6]（正常嘌呤飲食狀態下，非同日2 次空腹血尿酸水平：男性血尿酸含量>420 μmol/L，女性血尿酸含量>360 μmol/L，即稱為高尿酸血癥）；痛風診斷標準[7]（2015年ACR 和EULAR更新痛風分類標準）：該標準適用于至少發作過1 次外周關節腫脹、疼痛或壓痛的痛風疑似患者；對已在發作關節液、滑囊或痛風石中找到尿酸鹽結晶者，可直接診斷痛風。

1.3 方法

對照組為常規診療。①對干預對象發放“高尿酸血癥和痛風防治知識手冊”“高尿酸血癥和痛風防治知識手冊”，內容涉及飲食指導、體育運動、定期監測、高尿酸血癥的危害及不良生活習慣的危害等知識，加強科普教育，使其在潛移默化中接受高尿酸血癥和痛風的防治知識，自覺糾正不良生活習慣，少食高嘌呤食物和碳酸飲料。②定期進行集體授課，由專科醫生或專職護士就高尿酸血癥及痛風防治知識進行形式多樣的講座，如幻燈片、錄像、展示食物模型或參觀病房，使其認識高尿酸血癥的潛在危害，積極主動配合干預措施的實施，一般2 次/月。個別患者可針對其具體問題，有針對性地加以指導。③每月復查尿酸、血糖、血脂、血壓、體質量、肝功、腎功，制訂個體化的飲食處方、運動處方、藥物干預處方，并隨時調整個體化的干預措施。

研究組就常規診療基礎上實施人工智能規范化診療系統。①人工智能規范化診療系統預設咨詢平臺和溝通平臺，定期推送高尿酸血癥、痛風病健康宣教知識及最新診療進展，為高尿酸血癥患者、通風病患者和醫務工作者提供一個醫患、患患、醫醫交流平臺，有利于患者的長期管理及醫務工作者痛風診療技術的不斷更新。②平行診療系統具有患者隨訪時間提醒功能，對長時間不復診的患者可給予提醒。

1.4 觀察指標

比較研究組與對照組尿酸值控制水平(尿酸<416 μmol/L 為達標)，痛風組觀察兩組關節炎發作次數。兩組療程均設定為48 周。

1.5 統計方法

采用SPSS 22.0 統計學軟件分析數據，符合正態分布的計量資料用（±s）表示，比較采用t檢驗；計數資料采用頻數或率（%）表示，比較采用χ2檢驗，P<0.05 為差異有統計學意義。

2 結果

2.1 兩組單純高尿酸血癥患者尿酸值比較

兩組患者經過為期48 周的干預后，單純高尿酸血癥研究組患者尿酸為（332.3±3.5）μmol/L，單純高尿酸血癥對照組患者尿酸為（394.0±4.5）μmol/L，兩組達標率對比差異有統計學意義(t=84.692，P<0.05)。痛風研究組患者尿酸為（401.5±3.1）μmol/L，與對照組相比（448.5±4.1）μmol/L 比較，差異有統計學意義(t=57.291，P<0.05)。兩組尿酸達標率比較，差異有統計學意義（P<0.05）。見表1。

表1 兩組單純高尿酸血癥患者尿酸值比較Table 1 Comparison of uric acid levels in two groups of patients with pure hyperuricemia

2.2 兩組痛風患者關節炎發作次數比較

研究組48 周關節炎發作頻率明顯低于對照組，差異有統計學意義（P<0.05）。見表2。

表2 兩組痛風患者關節炎發作次數比較Table 2 Comparison of the number of arthritis attacks in the two groups of gout patients

3 討論

最新納入的治療手段和方案可以指導高尿酸血癥、痛風的臨床診治，對患者進行飲食、生活方式、治療目標和合并癥管理教育是管理診治的核心，多學科聯合診治必將成為趨勢[8-11]。近10年來，在歐洲，尤其在英國，高尿酸血癥、痛風患病率較前有明顯升高，盡管目前大多數患者能得到有效的治療，但該病仍然經常被誤診誤治及延遲診治，診治管理水平尚不算完善。隨著對高尿酸血癥、痛風認識的不斷深入，痛風的診治管理水平也有很大提高[12]。

目前對醫務人員的高尿酸血癥和痛風的系統特定培訓卻屈指可數，如果能夠標準化推廣高尿酸血癥和痛風的診治規范，則既可以提高醫務人員的診治水平，特別是基層醫生的痛風診療水平，提高防控意識，盡早規范化診治，又可延緩患者高尿酸血癥和痛風病進展，提高痛風患者治療的達標率，降低致殘、致死率，減少社會和家庭負擔，節約國家醫療成本[13]。近幾年，國內外許多研究顯示，將人工智能技術應用在醫學診療領域以輔助醫生進行疾病的診斷與治療，并取得一定的成效。作為國內痛風病診治的排頭兵，青大附院內分泌與代謝性疾病科與青島智能產業技術研究院、中科慧康共同研發“痛風病人工智能規范化診療系統”，并已在青大附院痛風專病門診試運行取得滿意效果[14]。由以上結果可知，經48 周干預后，高尿酸血癥組研究組及痛風研究組尿酸水平均明顯低于對照組，且單純高尿酸血癥組研究組尿酸達標率86.7%高于對照組68.4%（P<0.05）；痛風研究組關節炎發作次數少于對照組（P<0.05）。相關研究中，患者給予人工智能規范化診療系統后的尿酸達標率為84.68%高于常規診療[15]，與本文所得結果相近。

綜上所述，人工智能規范化診療系統基于平行智能理論與頂級醫療專家的診療經驗結合，構建精準化的診療模型，輔助醫生標化診療路徑，規范高尿酸血癥及痛風的治療效果顯著。