基于AI-ECG的區域胸痛綜合管理平臺的建設與實踐

戴秋玉，張偉，黃釗，陳杰，陶震寰

1.南京市衛生信息中心，江蘇 南京 210000；2.南京市急救中心，江蘇 南京 210000

引言

《中國心血管健康與疾病報告2021》統計數據顯示，我國心血管疾病發病率與致死率高居榜首，每5 例死亡中就有2 例死于心血管病[1]。急性冠狀動脈綜合征的發病率和死亡率在我國逐年增加，且呈年輕化趨勢，預計2030 年將有2260 萬心肌梗死患者，胸痛將成為我國居民致死、致殘和導致勞動力喪失的重要原因。

胸痛中心是一種基于區域協同的醫療救治服務模式，為急性胸痛患者提供快速診療綠色通道[2]。自2011 年我國第一家胸痛中心的正式成立，歷經10 余年的發展，目前全國胸痛中心注冊單位達四千余家，胸痛救治單元達一千余家，初步形成了全國胸痛中心救治網絡[3]。我市規范化胸痛中心的建設于2018 年正式啟動，目前，我市通過驗收的胸痛中心達21 家。然而，胸痛中心的建設并沒有明顯降低患者死亡率，原因主要體現在以下幾個方面：① 缺乏有效監測手段，將心電異常數據的捕獲延伸到院前，進行早期篩查、高危管理；② 心電信號本身的復雜性、變異性，一次性心電圖難以有效捕捉到準確的診斷數據，而24 h 動態心電數據量大，對社區醫生的診斷能力有一定要求；③ 信息不完整、數據未進行全過程共享等因素也對救治時間造成了一定影響；④ 出院患者缺乏持續有效的康復指導和長期監測。

針對現有狀況，迫切需要搭建區域胸痛綜合管理平臺，實現數據采集自動化、疾病診治智能化、信息流閉環化，本研究基于心電人工智能輔助診斷技術（Artificial Intelligence Electrocardiograph，AI-ECG）建立“患者-基層-急救中心-胸痛中心”四方聯動的區域協同救治體系[4]，從而前置疾病診斷時間、縮短救治時間、提高救治成功率，降低死亡率，改善遠期預后。

1 基于AI-ECG的區域胸痛綜合管理平臺

建設基于AI-ECG 的區域胸痛綜合管理平臺需要整合區域內電子健康檔案、醫院信息系統（Hospital Information System，HIS）、急救、院內胸痛救治平臺等業務信息系統，以患者心電健康信息為貫通，利用AIECG 優化急性胸痛區域協同救治流程，構建篩查、預防、救治、康復、管理的一體化平臺。

1.1 系統架構

區域胸痛綜合管理平臺主要分為5 層，分別是采集層、數據層、應用層、服務層和用戶層，見圖1。

圖1 區域胸痛綜合管理平臺架構

1.1.1 采集層

采集層通過接口方式對接醫院的HIS 和院內胸痛救治系統、區域衛生信息平臺、120 急救管理系統和可穿戴設備[5]，采集患者的基本信息、心電監測數據、救治信息等，快速將患者的信息發給數據層。

1.1.2 數據層

數據層整合患者信息（包括住址、聯系電話、身高、體重、血壓、血糖、診療信息等）、胸痛救治中心資源信息（包括位置信息、創建及認證信息、醫療資源等）、急救資源信息（包括急救中心及站點位置、車輛數量、使用情況、位置、車載設備等），通過數據歸一化處理后形成基礎信息數據庫，并通過數據接口定期更新維護，確保數據的準確性，為其他模塊提供基礎數據輸出服務。

1.1.3 應用層

應用層主要功能包括AI-ECG、個人健康管理、急救管理、會診中心、全網時間采集與同步、數據統計與質控等模塊。

（1）AI-ECG 模塊

AI-ECG 模塊實現心電數據實時采集、監測、分析、診斷、高危預警等功能，其核心是AI 診斷模型的訓練。模型訓練過程為：① 依托區域心電平臺的海量心電數據，篩選出符合訓練要求的心電圖數據，構建標準心電數據庫[6-8]；② 對采集的數據進行脫敏、清洗、降噪及歸一化，使數據符合深度神經網絡建模的需求；③ 將預處理后的數據隨機分配給多位心電圖專家對數據進行二次標注，得到高精度數據；④ 將第③步的處理數據劃分為訓練集、驗證集、測試集，針對不同的分類標準需求，選用合理的網絡架構[9-10]，如卷積神經網絡、循環神經網絡、長短時記憶網絡等，訓練多個網絡模型用于數據分類；⑤ 對于訓練得到的卷積神經網絡模型，基于臨床數據進行對比驗證，并針對驗證結果進行迭代訓練，包括增加特定類型的數據，調整特定層的學習率、損失函數等，逐步得到準確率更高的網絡模型，最終選用基于改進的Dense 模型優化而成，可以進行心電臨床數據的二分類、四分類、九分類及十八分類評估；⑥ 將AI 診斷模型部署到實際應用環境中。

（2）個人健康管理

個人健康管理模塊橫向整合心電監測數據、居民電子健康檔案數據、急救數據、胸痛診療數據、患者轉歸數據及其他醫療活動相關數據，為胸痛高危患者或者術后轉歸患者建立一份以心血管疾病為主線的健康檔案。

（3）急救管理

平臺實時采集患者位置，胸痛中心地理位置，急診科、導管室、心臟重癥監護室等科室資源使用情況，120 急救車輛位置，道路交通情況等信息，通過綜合計算，提供智能導航路徑。通過與120 急救平臺聯動，實時獲取120 急救車輛行駛軌跡、轉運關鍵時間節點、患者生命體征數據、心電圖、初步診斷結果等信息，同步至院內胸痛中心遠程監測大屏，實現120 急救車與目標醫院之間醫療數據的實時共享。

（4）會診中心

會診中心分為專家端和申請端兩個部分，會診中心主要功能包括會診流程管理、消息提醒、專家診斷、報告發布、報告打印等。系統提供交互式和離線式兩種不同的業務模式：① 交互式遠程會診，通過即時音頻消息功能包的集成支持會診專家與申請醫生之間的音視頻交流；② 離線式遠程會診，由申請醫院提交會診申請信息和病歷資料，會診專家下載和非實時瀏覽會診申請信息和病理資料，并編寫和發布會診報告，申請醫生下載瀏覽診斷報告。

（5）全網時間采集與同步

平臺根據胸痛患者救治過程中的業務特點及質控要求，從發病-確診、急救轉運、院內救治和數據歸檔上報4 個維度定義了42 項關鍵時間采集點，通過手環自動采集、數據接口對接、人工錄入等多種途徑進行時間信息的采集與同步，實現在急性心肌梗死救治過程中的全流程時鐘管理。

（6）統計與質控

依據《中國胸痛中心常態化質控方案》的標準與要求[11]，建立診前-診中-診后的全過程質控指標，包括發病到首次醫療接觸（Symptom Onset to First Medical Contact Time，S2FMC）時間、心電圖遠程傳輸統計、院內心電圖統計、直達導管室統計、急診經皮冠狀動脈介入治療人數統計、綠色通道轉運統計、TIMI 血流等級統計、首次醫療接觸到球囊再灌注時間（First Medical Contact To Balloon，FMC2B）統計、入門到球囊擴張時間統計、再灌注時間統計、患者轉歸統計共計11 個質控指標。通過系統接口進行數據抓取及統計，并具備曲線圖、柱狀圖等圖表工具，使數據可視化，便于直觀地分析數據，找到胸痛救治流程薄弱環節。

1.1.4 服務層

服務層是平臺能力的具體展示，包括個人健康服務、診斷服務、數據服務。個人健康服務通過移動APP 為患者提供信息調閱、主動記錄、數據填報、在線咨詢、線上復診等功能，構建患者全面參與的心血管疾病健康管理新模式。診斷服務包括AI-ECG、專家會診、疾病預測和高危預警等。數據服務通過指標統計與分析，為大數據分析、績效考核、領導決策、數據上報等提供數據支撐。

1.1.5 用戶層

用戶層為患者、醫護工作者、衛生行政管理部門等提供了手機、PAD、PC 等多種接入方式，支持多種應用場景。

1.2 業務流程

區域胸痛救治業務流程如圖2 所示，基層醫院/急救車心電采集設備、可穿戴心電監測設備將采集到的心電圖信息通過區域衛生專網、5G、互聯網等上傳至平臺，通過AI-ECG 實現初步診斷及危急值預警；當診斷結果與基層醫院/急救車醫生判斷存在較大差異時，發起遠程會診申請，由會診中心專家給出會診意見；患者或者基層醫生根據診斷結果向胸痛中心請求轉診，進行進一步治療；急救患者則是由平臺根據實時路況和派車平臺距離自動計算到達最近的胸痛中心，并啟動急救流程；患者的相關信息將同步至胸痛中心院內救治系統；救治結束后，根據胸痛患者的術后隨訪周期要求，主治醫師可選擇隨訪計劃推送給患者，患者主動記錄預后康復信息。通過患者、基層醫院、120 急救中心、胸痛救治中心的業務協同，實現院前、院中、院后的閉環管理。

圖2 區域胸痛救治業務流程

2 應用效果

區域胸痛綜合管理平臺自2019 年上線以來，先后在江蘇省人民醫院、南京鼓樓醫院、南京市急救中心、高淳區衛生服務中心落地實施，取得了良好效果。區域胸痛綜合管理平臺應用界面如圖3 所示。

圖3 區域胸痛綜合管理平臺應用界面

創新胸痛患者醫療救治新模式，建立健全“患者-社區-急救中心-胸痛中心”四方聯動的區域協同救治體系，以患者為中心實現診前、診中、診后的全過程管理。通過AI-ECG 系統快速診斷和預警救治功能，發揮基層醫院“健康守門人”的作用；患者通過佩戴24 h 動態心電監測設備，醫生第一時間捕獲心電異常數據，對于惡性心律失常、心梗的患者做到第一時間發現、轉診、救治；對于心電疑難病例，基層醫生可以通過平臺向上級醫院發起會診請求，減少誤診、漏診；利用移動端應用進行術后隨訪、健康宣教等，不斷提高胸痛患者自我健康管理意識。截至2021 年，使用動態心電監測設備進行心電自我監測的用戶達9000 余人次，專家會診300 余次。

優化AI-ECG 模型，提升AI-ECG 的準確性，助力臨床診斷。在江蘇省人民醫院心功能室采用AI-ECG 系統對2 萬份患者心電數據進行自動診斷，結果顯示，心電圖十八分類診斷模型診斷特異性、敏感度、準確率均值分別為95.79%、87.88%和96.74%，達到臨床診斷要求。有研究者利用卷積神經網絡診斷心房顫動的特異性為79.5%，敏感度為79.0%，準確率為87.0%[16]。同時AI-ECG 平均每份心電圖的評估分析時間約為0.12 s，而心內科臨床醫生診斷時間平均為1 min 左右，大大縮短了診斷時間。

本平臺可提升區域胸痛患者醫療救治水平，爭取寶貴的救治時間。本研究選取2018 年（平臺上線之前）及2019—2021 年間胸痛患者救治關鍵指標進行分析（圖4），結果表明，患者來院方式仍以自行來院為主，呼叫120 急救車來院比例略有上升，2020 年達到最高20%；2019、2020 年S2FMC 時間分別為261、292 min，較2018 年的364 min 顯著降低，同時也遠遠低于2021年通過認證的標準版胸痛中心的平均S2FMC 時間325.7 min[12]；得益于信息的互聯互通、患者醫療救治信息的共享，急診科救治平均時間、啟動再灌注平均時間等也明顯縮短，最大限度地節省了救治時間，2018—2021 年的患者院內死亡率分別為0.8%、0.4%、0%和0.3%。但是統計數據顯示，2021 年各項指標又出現反彈現象，綜合來看與患者呼叫120 急救車來院比例下降、10 min 心電圖人數占比下降等因素有關，仍待進一步分析。

圖4 區域胸痛救治關鍵指標分析

3 討論與總結

隨著全國急性胸痛救治網絡建設工作的不斷推進與完善，通過信息化手段推進智慧胸痛中心的建設，推動“三全模式”的落地將成為下一步工作重點，目前國內也陸續出現相關主題的研究。楊路等[13]提出了一種基于院前急救的胸痛中心一體化信息系統，與市、區120急救共同聯動，將胸痛救治過程涵蓋院前、院中；王繼航等[14]提出利用可穿戴設備、物聯網傳輸技術和AI 分析技術設計搭建胸痛區域平臺以及開展協同救治的業務流程；李超紅等[15]提出了建立“社區-胸科”一體化的社區聯動救治模式，縮短了S2FMC，提升了救治效果。相比而言，本研究提出的基于AI-ECG 的區域胸痛綜合管理平臺的建設方法充分利用了AI 算法在心電輔助診斷方面的應用成效[16-19]，通過改進算法、使用高質量的區域心電數據庫，顯著擴展了診斷分類的種類、提高了其準確性；另外，將高危患者、術后康復患者全面納入管理體系，形成了“患者-基層醫院-急救中心-胸痛中心”四方聯動的區域協同救治體系，實現胸痛患者院前（急救）、院中、院后的全流程閉環管理；最后，建立了一套綜合質控指標體系，通過來院方式、救治手段、關鍵性評價指標等多維度的數據統計與分析，為醫療質量控制、績效考核、領導決策等提供數據支撐。

本研究在研究胸痛患者防治特點的基礎上，提出了一種搭建篩、防、診、治、康一體化的區域胸痛綜合管理平臺的設計方法，利用可穿戴設備、AI、5G 數據傳輸、標準化接口等技術手段實現異構系統數據的采集與整合、醫療救治信息流的閉環管理，創新性地融合了AI-ECG、遠程會診、分級診療等區域醫療衛生服務系統，探索出了一套上下聯動、區域協同、患者全面參與的胸痛救治模式，最大化地節省救治時間，提高救治成功率，對胸痛患者救治具有重要意義。下一步，將結合區域醫聯體、集團醫院的業務模式進一步推進基層醫院的接入，提高基層醫院的診斷能力和轉診速度，打通胸痛救治的第一公里。