基于智能化監測評估網絡的家醫聯動干預早產兒腦發育模式及應用

湯金松 王彥哲

1.中國人民大學蘇州校區；2.蘇州市吳江區蘇州灣外國語學校

據估算，我國每年會出生約100萬名早產兒[1]，早產兒腦發育是其身心健康的關鍵。早產兒大腦很多結構發育不完善，大腦功能發育不成熟，導致腦發育異常發生率遠遠高于正常足月新生兒，嚴重影響早產兒及家庭的生活質量，加重社會負擔。近些年我國人口出生率不斷降低，而早產兒率卻呈現上升趨勢，如何降低早產兒腦發育異常發生率以及減輕早產兒腦發育異常癥狀，不只是早產兒家庭所關注的大事，更是全社會需要關注的緊迫問題。

早期合理干預能夠有效改善早產兒的腦結構和功能，更利于早產兒神經發育，促進良性預后[2]。經過多年發展，已經出現多種臨床診斷早產兒腦發育異常的有效方法，包括神經影像學評估、腦電生理學評估、腦血流動力學評估、神經行為學評估等一系列方法[3]。我國兒科醫療資源不足，家庭干預早產兒腦發育的意識、能力不強，導致有相當一部分早產兒因未得到及時合理干預而致使腦發育異常后果加劇。

當前智能化技術發展迅猛，人工智能、圖像識別、語音識別、大數據、云計算等軟技術以及可穿戴設備、全光網絡、智能手機等硬技術已經在我國得到全面應用，我國城市鄉村網絡、手機已基本普及，遠程醫療、互聯網醫院也已初具雛形，這些技術及硬件基礎為基于智能化監測評估的家醫聯動干預早產兒腦發育帶來了可能。

本文將探究一種基于智能化監測評估網絡的，由家庭和醫院緊密配合、協作聯動的合理干預早產兒腦發育的模式，充分利用現代信息技術，以期達到早產兒腦發育異常早發現、早評估、早干預，且通過人工智能與醫院、家庭高頻互動及時調整干預策略方案，既大幅減輕醫師工作強度，又能達到最佳干預效果，為智能化干預早產兒腦發育模式的構建提供思路。

1 干預早產兒腦發育智能化監測評估網絡

1.1 構建干預早產兒腦發育智能化監測評估網絡的框架

經過多年研究實踐，科研人員、臨床醫護已經找到一些切實可行的干預早產兒腦發育的技術手段、方法。由于我國早產兒數量較多且地域分散，兒科醫生數量少，以往的兒童保健、兒科門診住院模式不利于及時發現、及時干預。醫院、科研院所之間缺乏深度合作，每家單位掌握的干預早產兒腦發育的成果處于孤立狀態。

本文構建干預早產兒腦發育智能化監測評估網絡的框架，如圖1所示，其核心是運用以人工智能、大數據、云計算技術為主的先進信息技術，以圖像視頻識別、語音識別為突破口，實現對早產兒腦發育高頻次“監測→評估→干預”，同時將參與網絡的所有早產兒腦發育相關數據、信息整合供網絡進行深度學習，不斷提升網絡智能化程度，再通過互聯網、可穿戴智能設備普惠到位于東中西部城鄉所有早產兒。

圖1 干預早產兒腦發育智能化監測評估網絡的框架示意圖Fig.1 Framework of monitoring and evaluation network for intervention of brain development of premature infants

1.2 智能化監測評估網絡的初步設計

干預早產兒腦發育智能化監測評估網絡主要包括三大部分：

（1）以可穿戴設備、手機（含攝像頭、麥克風）為主的前端監測設施。采用輕便的可穿戴設備可以監測早產兒的腦電圖、腦血氧、腦功能等進行監測，手機可以通過攝像頭、麥克風監測早產兒的行為、活動、語言等。

（2）以人工智能算法為核心的云端智能計算中心。人工智能算法主要包括視頻識別、圖像識別、語音識別等，可以將前端監測設備采集的早產兒腦發育相關數據、信息進行智能化運算，識別出異常腦發育，并根據成熟的神經學和發育評估方法對腦發育情況作出恰當評估，再根據評估提出干預策略方案，提供證明有效的干預方法。醫院專業醫師查看人工智能算法提交的關鍵證據及干預策略方案，進行審核把關。

（3）以家庭為主、醫院為輔的干預實施者。早產兒的撫育者（特別是父母）通過智能網絡獲得干預策略方案，還可以得到實操培訓，包括標準操作規程、視頻教程、實操指導。早產兒的撫育者實行家庭干預實操是早產兒腦發育關鍵環節，需要長期堅持。在智能網絡的輔助下，醫院可以對早產兒進行分級管理。專業醫師著重參與腦發育異常較為嚴重的早產兒干預。

1.2.1 前端監測設施

智能手機是最普及的前端監測設施，1080P高清攝像頭、WiFi或4G以及5G無線通訊可以清晰捕捉早產兒的行為、活動以及語音。

中華醫學會兒科學分會圍產專業委員會專家共識認為振幅整合腦電圖（aEEG）是評價新生兒腦功能的重要電生理手段，可以用于新生兒腦發育的評價、腦損傷診斷及預后評估，亦可用于新生兒驚厥的監測[4]。aEEG已被廣泛證明對于連續監測嬰幼兒腦發育是有效的，比如：秦皇島市第一醫院對274例早產兒臨床資料進行回顧性分析，aEEG監測早產兒腦電活動可見CNV比例、成熟SWC比例及波普帶振幅均隨GA增加明顯升高，且與NBNA、MDI及PDI評分具有良好相關性，對評估早產兒腦功能發育狀態具有重要參考意義[5]。

aEEG設備結構簡單，易于使用，可以進一步研發出可穿戴aEEG，適合家庭使用。現已開發出多種可穿戴腦電圖（EEG）設備——用于日常實時監測的無線EGG系統，因其便攜性、實時性、無創性及低成本等優勢迅速發展并得到廣泛應用。可穿戴EEG設備作為輔助設備，可以在半自然環境中輔助醫護人員實時對病人監護，并對病人治療狀況進行定量分析[6]。

功能性近紅外光譜技術（fNIRS）是一種新型腦功能成像技術，具有安全無創、便于移動、抗運動干擾、抗電磁干擾、時空分辨率高、允許長時程監測等優點，在新生兒腦損傷、孤獨癥、注意力缺陷多動障礙等兒童發育障礙輔助診斷等領域廣泛應用。fNIRS作為探索兒童腦功能的最理想神經成像技術之一，近年來越來越多地被用于描述兒童腦皮質活動、腦功能連接和網絡拓撲特征的發展，為腦功能障礙（腦性癱瘓、孤獨癥譜系障礙、注意力缺陷多動障礙等）提供定量的腦功能檢測指標，對于疾病的識別、評價、療效評估、療效預測具有重要的臨床價值[7]。現已開發出多種可穿戴（頭盔式、貼片式）fNIRS腦成像設備，可以進一步研發無線、輕量化的可穿戴fNIRS腦成像設備，適合家庭使用。

1.2.2 云端智能計算中心

前端監測設施主要起到信息采集功能，獲得腦電圖等直接表征早產兒腦發育狀況關鍵信息，以及運行、行為、語言等間接表征早產兒腦發育狀況重要信息，通過網絡匯集到云端智能計算中心。云端智能計算中心包括：信息（數據）存儲和加工中心、腦電圖等醫學影像圖像識別中心、視頻（行為）識別中心、語音識別中心、智能綜合評估中心、干預指導中心等。各部分組成及相互關系如圖2所示。

圖2 云端智能計算中心組成及運行流程示意圖Fig.2 Composition and process of cloud computing center

（1）信息（數據）存儲、加工中心。通過前端監測設施采集到的早產兒腦發育相關信息（數據）經網絡傳輸至云端智能計算中心，保存在信息（數據）存儲、加工中心，存儲加工中心對數據進行預處理后可以分發給視頻識別、圖像識別等其他功能中心。

（2）腦電圖等醫學影像圖像識別中心。腦電圖等醫學影像是直接表征早產兒腦發育狀況關鍵信息，數據量非常大，如由人工識別，不僅速度很慢，且依賴醫生的臨床經驗，而借助人工智能技術能夠快速有效地完成。采用人工智能算法的圖像識別技術已經相當成熟，在醫療領域有了多年應用經驗。目前人工智能技術在腦電圖信號分類領域的研究較多，且以神經網絡方法為主，也有采用機器學習方法等[8]。

（3）視頻（行為）識別中心。異常行為狀況能夠表征早產兒腦發育情況。可以針對早產兒異常姿態或動作建立樣本庫，之后通過人體目標檢測、姿態估計、動作識別等方法判別具體行為，并最終判定其是否屬于異常行為樣本庫范疇。異常行為的識別與檢測均需進行特征提取，特征提取是指從視頻數據中提取關鍵信息用以表征行為的過程。人工智能技術在特征提取方面起到很大作用，基于深度學習、基于三維卷積神經網絡、基于雙流卷積神經網絡、基于循環神經網絡等的特征提取已獲得成功[9]。

（4）語音識別中心。早產兒更容易發生語言發育落后，與出生體重、出生胎齡、主要帶養人、親子互動時間及電子屏幕暴露時間有關[10]。兒童語言發育遲緩（CLDD）的主要臨床表現有：構音障礙（發聲困難、發音不準、咬字不清等）、口吃、詞匯儲備低、語言表達能力欠佳等。人工智能技術在自然語言處理領域飛速發展，使得實現基于語音識別的智能化CLDD檢測成為了可能，通過與早產兒進行特定的語音交互，采集兒童回答語音，語音識別中心進行分析并提供初步分析意見[11]。

（5）智能綜合評估中心。上述圖像識別中心、視頻識別中心、語音識別中心分別對早產兒的腦電影像、行為、語言各方面進行專項分析、處理后，所有信息匯總到智能綜合評估中心，綜合運用權威的早期預測診斷評價工具和發育結局評估工具（NBNA、GMs、BSID、DST等），采用人工智能對這些評價評估工具（量表）大數據進行深度學習和融合，形成智能化評估算法，針對早產兒腦發育狀況進行智能化評估。

（6）干預指導中心。基于智能綜合評估中心對早產兒腦發育個案給出的智能化評估，干預指導中心通過大數據匹配、調整，從預制的干預策略模塊庫中選擇最適合個案需求的多個干預策略模塊，并根據個案特色進行適應調整，最終形成該早產兒干預策略方案。

云端智能計算中心將上述6個中心整合為一個統一體，與早產兒個案進行交互，采用深度學習技術不斷優化算法。隨著參與到智能網絡中早產兒數量增多，網絡獲取的信息（數據）不斷增加，智能計算中心會不斷改進、增強監測、評估準確性，提高干預指導的效果。專業的兒科、神經科醫師會參與進來，對云端智能計算中心評估、方案進行審核，專業醫師的審核意見會促進人工智能算法的優化。經過早產兒、家庭、醫師、工程師幾方的配合，在大量信息（數據）的“灌溉”下，云端智能計算中心將不斷自我迭代發展。

1.2.3 早產兒腦發育干預的實施

干預早產兒腦發育主要由家庭來實施，早產兒的撫育者（特別是父母）根據云端智能計算中心提供的干預策略方案（經醫師審定）進行具體操作，包括行為訓練、認知訓練、音樂療法、飲食調理等。干預策略方案可以通過手機App方式提供給撫育者，還提供實操培訓，包括標準操作規程、視頻教程、實操指導等。云端智能計算中心通過視頻、語音可將家庭訓練狀況進行評估，也對干預效果進行評估，并根據評估結果進行優化，提供下一步干預策略方案。家庭干預實操是促進早產兒腦發育的關鍵環節，需要長期堅持。云端智能計算中心將對父母等進行督促，采用打卡、交互、競賽、評比等手段。

2 家庭—醫院聯動模式

我國目前0～6歲適齡早產嬰幼兒約600萬人，醫院醫療資源不足以全面支撐。在智能化監測評估網絡支撐下，采用家庭—醫院聯動模式，以達到醫療資源最大化充分利用。家庭和醫院應密切溝通，聯合行動，互相促進，有利于及時監測評估，也有利于發揮家庭能動性，以及優化早產兒生長過程監測評估方式。家庭—醫院聯動模式示意圖如圖3所示。

圖3 家庭—醫院聯動模式示意圖Fig.3 Family-hospital cooperation model

智能化監測評估網絡對早產兒綜合評估后實行分級，比如可分為正常、輕度異常、中度異常、重度異常；將醫院醫師也進行分級，與早產兒分級進行匹配，比如正常早產兒與社區醫院兒保醫師進行匹配，輕度異常早產兒與二級醫院兒科、神經科醫師進行匹配，重度異常早產兒與三級醫院兒科、神經科醫師進行匹配。

云端智能計算中心將表征早產兒腦發育關鍵證據、評估及干預策略方案提交給匹配的醫師，由專業醫師進行審核把關后再發布給家庭撫育者進行實操。

醫師對人工智能的評估、干預策略方案有疑義的，將提交到上一級醫師審核委員會進行會審。會審確認人工智能結果有誤，審核委員會將提供更合理的評估和干預策略方案，這些不但發布給家庭，也一并交由算法工程師以便修正相關算法。

對于難以得出審核結論的案例，將交由上一層級委員會進行會審。若委員會認為必要，將發布一項研究課題，招募有興趣人員進行深入研究，再將研究成果以論文的形式發布，將數據發送給算法工程師以優化算法，并將實際操作方法傳給醫院及家庭，同時促進科技發展。

早產兒家庭地理分布廣泛，一般會匹配距離最近的醫師，這樣匹配醫師既可以通過視頻直接指導家庭開展干預實操，也可以對早產兒開展線下診療。更進一步，可以鼓勵腦神經專業領域的醫學生參與到網絡中，通過大量案例數據信息提升醫學生評估能力，也可以在相應級別早產兒干預中發揮作用，緩解醫療資源的不足。當然，需要對醫學生的能力進行評估，確保其有能力完成相應工作。

在智能化監測評估網絡支撐下，人工智能技術對早產兒腦發育進行了初步評估，結合分級匹配醫院醫師，可以大幅度提升醫療資源運用效率，以達到全面覆蓋0～6歲早產兒。

家庭是早產兒腦發育干預的最后屏障，醫院是指引早產兒腦發育的燈塔。家庭與醫院聯動有利于促進因兒施策，量身定制，最大限度合理干預早產兒腦發育，將會給家庭、醫院、社會帶來巨大回報。

3 結語

抓住0～6歲早產兒腦發育“黃金”期，充分運用智能化技術，組建智能化監測評估網絡，為家庭、醫院提供技術支撐；建立家庭—醫院聯動機制，放大醫院指導能力，促進更多家庭采取最合理舉措干預早產兒腦發育，形成正向反饋，互相促進。更多的早產兒加入智能化監測評估網絡，將會給網絡提供更多的信息數據，加深網絡自學習，促進網絡算法優化，更加敏銳地識別出有利于和不利于腦發育的舉措，從而不斷優化指導家庭合理干預，進一步促進早產兒腦發育。

家庭為主，醫院為輔。高頻監測，積極干預，及時反饋、調整。監測、評估、定策、實施、反饋，正向循環提升。因兒施策，家醫聯動，及時調整。抓住0～24月關鍵期，0～6歲改變命運。通過合理干預，使得早產兒大腦發育產生代償，以彌補先天不足，優化整體腦功能，提升早產兒及其家庭生活質量。

預期通過智能化監測評估網絡支撐，依托互聯網、智能手機，將普及對早產兒腦發育的監測評估，能緩解兒科醫師缺乏的困難，大幅減少惡性腦發育異常兒童數量。

引用

[1]DENG K,LIANG J,MU Y,et al.Preterm Births in China Between 2012 and 2018:an Observational Study of more Than 9 Million Women[J].The Lancet Global Health,2021(9):1226-1241.

[2]樊欣,文靜,趙妍.早產兒神經發育檢測和治療的研究進展[J].醫學綜述,2022,28(5):970-974.

[3]劉俐.早產兒腦損傷及腦發育評估[J].中國實用兒科雜志,2017,32(11):833-837.

[4]中華醫學會兒科學分會圍產專業委員會.新生兒振幅整合腦電圖臨床應用專家共識[J].中華新生兒科雜志,2019,34(1):3-7.

[5]邱銳琴,吳小波,夏明月,等.新生兒振幅整合腦電圖對評估早產兒腦功能發育狀態的臨床應用價值[J].河北醫學,2019,25(4):617-622.

[6]秦靜,孫法莉,汪祖民,等.可穿戴腦電圖設備關鍵技術及其應用綜述[J].計算機應用,2022,42(4):1029-1035.

[7]近紅外腦功能成像臨床應用專家共識編寫組.近紅外腦功能成像臨床應用專家共識[J].中國老年保健醫學,2021,19(2):3-9.

[8]王林峰,劉歡慶,周濤.人工智能技術在電生理診斷中的應用現狀[J].現代電生理學雜志,2021,28(1):53-56+65.

[9]張曉平,紀佳慧,王力,等.基于視頻的人體異常行為識別與檢測方法綜述[J].控制與決策,2022,37(1):14-27.

[10]陳憶晴,朱圓圓,吳茜,等.103例早產兒語言發育狀況分析[J].江蘇醫藥,2021,47(12):1208-1210.

[11]馬孟星,潘文林,胡洋,等.計算機輔助兒童語言發育遲緩檢測研究綜述[J].云南民族大學學報(自然科學版),2022,31(1):111-120+138.