智能機器人在基層慢性病管理中的應用與挑戰

【摘要】 全球慢性病患病率不斷上升，給社會的發展和個人健康帶來重大挑戰。管理慢性病需要長期治療和監測，對患者的生活方式提出了一定要求。隨著人口老齡化和人們生活方式的改變，慢性病防控正變得越發重要。近年來，隨著醫療衛生領域科技創新向縱深發展，借助人工智能的智能機器人在醫療領域的應用也逐漸成為國家重要戰略方向之一，傳統的慢性病管理方法過于依賴醫生和患者之間的線下交流，導致醫生無法與患者保持長期且有效的溝通和隨訪，患者病情出現變化時醫生可能無法及時發現和監測。此外，傳統的慢性病管理方法通常是一種通用化的方法，無法充分考量到每位患者的個體差異。鑒于傳統慢性病管理方法的局限性，本文提倡利用智能機器人提供更便捷高效的基層服務。本文認為，通過個性化健康管理方案、輔助醫療診斷、定時提醒服藥等功能，使智能機器人能夠致力于改善患者生活質量、減輕醫療資源壓力，從而推動全球智能化醫療管理的發展。

【關鍵詞】 智能機器人；初級保健；慢性病；健康管理；人工智能；健康大數據

【中圖分類號】 R-05 【文獻標識碼】 A DOI：10.12114/j.issn.1007-9572.2023.0811

Application and Challenges of Intelligent Robots in Grassroots Chronic Disease Management

ZHANG Xuan，ZHANG Fei，LI Minglin，WANG Jiahe*

Department of Family Medicine，Shengjing Hospital of China Medical University，Shenyang 110000，China

*Corresponding author：WANG Jiahe，Professor/Chief physician/Doctoral supervisor；E-mail：wangjhcmusj@163.com

【Abstract】 The increasing prevalence of chronic diseases globally poses major challenges to the health of societies and individuals. Managing chronic diseases requires long-term treatment and monitoring，placing demands on patients' lifestyles. With the aging of the population and changes in lifestyle，chronic disease prevention and control are becoming more and more important. In recent years，as scientific and technological innovation in the field of healthcare develops in depth，and the application of artificial intelligence in healthcare has gradually become one of the important strategic directions of the country，the traditional method of chronic disease management relies too much on the offline communication between the doctor and the patient，which leads to the doctor not being able to maintain long-term and effective communication and follow up with the patient，and the patient may not be able to be detected and monitored by the doctor in a timely manner when his or her condition changes. In addition，the traditional chronic disease management approach is usually a generalized approach that fails to adequately consider the individual differences of each patient. Given the limitations of traditional chronic disease management methods，this study aims to provide more convenient and efficient primary care services using intelligent robots. Through personalized health management plans，assisted medical diagnosis，and timed medication reminders，the intelligent robot is committed to improving patients' quality of life，reducing the pressure on healthcare resources，and promoting the development of intelligent healthcare management globally.

【Key words】 Intelligent robots；Primary care；Chronic disease；Health management；Artificial intelligence；Health big data

我國慢性病患病率逐年上升，防治形勢日益嚴峻。研究表明，2020年以前我國因慢性病導致的患者死亡數占總死亡數的88.5%，高血壓、糖尿病及惡性腫瘤等慢性病已取代傳染性疾病成為導致我國人口死亡率升高的主要因素之一，給社會經濟和人民健康造成了巨大的負面影響，基層醫護人員診療的壓力與日俱增［1-2］。為加強慢性病防治工作，降低疾病負擔，提高居民健康期望壽命，2017年中華人民共和國國務院發布了《中國防治慢性病中長期規劃（2017—2025年）》［3］，強調了慢性病管理的重要性，建議優先將慢性病患者納入社區醫生簽約服務。

現今，人工智能的快速發展引發了人們的廣泛關注，醫療科技的不斷創新促使醫學界掀起了人工智能的研究熱潮［4］。研究者們在基于深度學習的大規模預訓練模型與醫學診斷［5］、風險預測［6］、藥物實驗［7］結合方面的研究已取得了顯著進展，智能機器人是其中一項重要成果。本文旨在通過查詢既往文獻，探索如何將智能機器人更好地運用于基層慢性病管理，為患者提供更方便、更快捷的管理服務，改善患有長期疾病者的生活質量，減輕基層醫療負擔，提高慢性病管理的效果，促進慢性病健康管理的智能化。

本文文獻檢索策略：于2023年7—11月，以“智能機器人”“基層”“慢性病”“健康管理”“人工智能”“健康大數據”為中文關鍵詞，檢索中國知網、萬方數據知識服務平臺、維普網；以“Intelligent robots”“Chronic disease”“Health management”“Artificial intelligence”“Health big data”為英文關鍵詞，檢索PubMed、Web of Science；文獻檢索范圍為建庫至2023年11月。納入標準：（1）智能機器人在健康教育和健康宣教中的研究進展；（2）智能機器人在遠程醫療支持中的研究進展 ；（3）智能機器人在社交支持與心理疏導中的研究進展；（4）智能機器人在日常看護輔助中的研究進展；（5）智能機器人在數據分析和預測中的研究進展； （6）智能機器人在輔助診斷中的研究進展；（7）智能機器人在危險因素干預中的研究進展；（8）智能機器人在個性化健康管理中的研究進展。排除標準：重復及與主題不相關的文獻。根據納入與排除標準，最終納入相關文獻69篇。

1 智能機器人發展概述

智能機器人是一種結合了人工智能和自主學習能力的科技產品，能夠模擬并執行人類的認知和行為，與人類互動并完成指定任務。人工智能和“互聯網+”、大數據以及5G技術等的深度融合，使智能機器人通過強大的計算能力逐漸具備了更多的感知和決策認知能力，變得更加靈活、靈巧和通用，開始擁有更強的環境適應能力和自主能力，以適應更加復雜多變的應用場景［8］。2021年12月我國發布了《“十四五”機器人產業發展規劃》［9］，該規劃明確了當前機器人產業規劃的藍圖，并提出了新的發展目標，進一步推動中國機器人產業邁向新的高峰。目前常見的智能機器人主要分為兩大類：家用服務機器人專門設計用于提供服務和教育幫助；醫療機器人則包括手術機器人、康復機器人、醫護輔助機器人和后勤機器人等，可以在醫療領域完成一系列任務，如手術、康復和藥物配送［10］。

相對于傳統醫療手段，醫療智能機器人具有受主觀因素影響較小、診斷效能較高、相對可重復操作并受環境條件和疲勞程度影響較小等特點。智能機器人結合人工智能技術，可以使基層慢性病管理更加智能和個性化。許多學者正在探索如何借助科技來管理基層慢性病，以構建一個涵蓋慢性病防控、診療、恢復和健康管理的新型全面健康服務體系。

2 基層慢性病管理的問題與現狀

慢性病管理指對長期存在且難以徹底治愈的一些疾病，如糖尿病（內分泌系統的疾病）、高血壓（心腦血管系統的疾病）、心臟病及慢性阻塞性肺疾病（呼吸系統的疾病）等的治療。基層慢性病的管理對于減輕患者醫療負擔非常關鍵，據估計，在需要醫療服務的患者當中，只有約10%的患者需要專科醫生給予相關治療，80%～90%患者的健康問題可由社區衛生服務工作人員（包括社區健康管理師和受過訓練的全科醫生）協助解決，但其也存在諸多不足之處［11］。

傳統的慢性病管理主要依賴醫生與患者的線下交流，然而由于我國基層患者數量眾多且醫療資源有限，醫生難以與所有患者保持長期、有效的溝通和隨訪［12］；此外，我國社區衛生服務中心在實施慢性病管理方面存在管理形式單一、措施落后等問題，且較為缺乏健康信息的規范化管理經驗［13］。慢性病管理工作的順利進行需要足夠的經費支持［14-15］，但基層醫療機構在深入開展慢性病管理工作方面，面臨著經費不足、專項經費配置不足以及資金管理缺乏等問題，這些問題成為阻礙各地深入開展慢性病管理工作的重要原因。目前我國雖然針對上述問題出臺了多項政策，但仍需進一步完善［16］。

施建華等［17］研究表明，基層衛生服務機構面臨著一系列諸如醫護人員短缺、教育程度低、臨床經驗有限、技術水平和服務能力有待提升及全科醫生知識更新不及時等問題［18］。居民對社區衛生服務中心醫療水平的不信任也導致社區居民首診率降低。同時因為基層醫療機構人員配備不足，還需關注患者在建立健康檔案后相應的隨訪是否全面、真實［19］。除此之外，傳統的慢性病管理方法存在醫患信息不對稱的問題，即患者通常只能在就醫時才能得到醫生的指導和建議，而在兩次就醫的間隔里，患者只能依靠自己和家人來管理和控制自身疾病，易導致疾病管理的連續性和穩定性不足。總的來說，目前基層慢性病管理還存在許多限制或不足，需要引入新的方法和技術來加以彌補。

人工智能、5G及“互聯網+”等技術的不斷發展，使得智能機器人在基層慢性病管理方面的應用范圍越發廣泛。智能機器人能夠利用傳感器監測患者狀況，根據事先設定的算法和規則提供護理服務，減輕醫護人員的負擔，同時為患者帶來更便捷、舒適的護理體驗。譬如智能藥盒（一種藥物管理系統）不僅能夠提醒患者按時用藥、計算剩余藥量，還可以通過物理輔助方式幫助患者康復［20］。現如今智能機器人的應用范圍已經擴展至慢性病管理領域，其能通過與語音智能外呼系統合并，幫助患者提高自我疾病管理能力，減輕醫護人員的工作負擔，提升患者日常生活質量。技術的創新為慢性病管理帶來了諸多便利，給慢性病患者的健康管理和醫療服務帶來了更多可能［21］。

3 智能機器人在基層慢性病管理中的應用

3.1 健康教育和健康宣教

中共中央、國務院于2016年10月頒布的《“健康中國2030”規劃綱要》［22］強調了普及健康生活方式、加強健康教育的重要性，突出了家庭和高危個體在疾病中的角色，并將健康教育納入了教育體系。健康教育在慢性病管理中扮演著重要角色，能夠提高患者對疾病的認知并培養相應的健康管理能力。我國基層衛生人力資源不足，社區和鄉鎮居民常難以得到良好的健康教育。人工智能技術可以解決患者因時間和空間限制而難以隨時參與健康管理學習的問題，有效提高了患者的參與率，比如利用智能機器人相關的人工智能、虛擬現實技術、云計算和大數據分析等技術，可以向社區居民傳播與疾病相關的新知識等，幫助其更好地理解和管理自身健康狀況，改變不良生活習慣［23］。人工智能技術與家庭醫生雙簽約模式可提升社區高血壓患者的自我管理水平，同時也使就診率、血壓達標率及依從性提升［24］。有研究指出，自我管理支持被證明是最有效的慢性病管理方法［25］，表明通過提升患者自我管理支持水平對于緩解基層醫療壓力是非常有幫助的。

3.2 遠程醫療支持

目前超聲診斷在醫學診斷中扮演著不可或缺的角色，然而基層醫院有限的超聲診斷資源常難以滿足患者需求。為解決這一問題，遠程超聲技術被引入并廣泛應用于臨床，該技術能夠實現專家資源下沉，為基層患者提供更優質的服務，具有極高的臨床應用價值［26］。智能機器人能夠成為遠程醫療的工具，醫生可以通過遠程操作機器人進行遠程診斷和治療，從而為社區居民提供高質量的醫療服務。有研究通過承載5G 傳輸技術的智能機器人使用遠程超聲技術對患者進行病情評估，其診斷結果經驗證與 CT 掃描結果完全相符［27］。

3.3 社交支持與心理疏導

我國基層慢性病管理，特別是心理健康方面的管理存在不足之處，基層護理人員對心理健康問題的認知和培訓相對不足，缺乏專業知識和技能，難以有效應對患者的心理健康訴求。智能機器人可以提供24 h/7 d的服務，隨時隨地為患者提供心理支持服務，舒緩患者的焦慮、壓力等不良情緒。研究顯示采用海豹型機器人Paro進行干預可以改善癡呆癥和慢性疼痛患者心理狀態［28］，社交支持和心理疏導可以幫助慢性病患者緩解負面情緒、增加治療依從性、提高生活質量［29-30］。智能機器人可以實時分析患者的生理數據，記錄患者的情緒，并與患者進行交流和互動，為其提供情緒支持和心理輔導，以減輕因疾病引起的精神壓力和孤獨感，同時改善患者的生活質量和提高治療效果［31-32］。例如，日本產業技術綜合研究所開發了Paro陪護機器人，其能夠幫助老年人減少孤獨感并提升社交能力；日本電氣股份有限公司推出了PaPeRo機器人，它具備先進的面部識別功能，能夠通知用戶接收即時信息，并且可以發送視頻消息、表演跳舞、玩游戲以及遙控其他電子設備［33-34］。上述產品都配備了先進的語音處理識別系統，可以準確理解和解析多種方言，能夠使患者與機器人無障礙地溝通。

3.4 日常看護輔助

隨著我國人口老齡化程度的加深，基層護理人員的供需問題逐漸暴露，智能護理機器人迎來了迅猛發展，其能夠提供日常看護輔助，有效減輕我國基層人員的工作負擔［35］。日常看護是長期患有慢性疾病并且日常生活能力受限的人所必需的。目前，康復機器人的研究和應用主要針對因腦血管疾病［36］、脊髓損傷［37］等引起的神經損傷患者，并幫助其恢復長期后遺癥。通過及時、有效的康復訓練，患者可以在恢復的最佳時期盡可能地使肢體功能得到最大限度的恢復，以保證日常行為能力不受或盡可能少受影響。

3.5 數據分析和預測

將智能機器人應用于社區健康調查，可以了解居民當前的健康需求和所存在的問題。此外，通過對數據進行分析和預測，能盡可能降低慢性病的患病率，減少疾病危險因素，預測疾病發生風險，幫助社區更好地進行疾病應對。人工智能機器人能夠從微觀層面分析和挖掘大量患者數據，發現相關規律和趨勢，助力基層醫生更好地管理和預防患者策略，但同時也可能引發數據泄露等安全性問題。通過對患者的患病風險進行預測，可以增加患者對疾病的認知，提升診治和隨訪的效果［38］。研究表明，應用人工智能進行疾病風險預測可以有效提升疾病的預測和診斷準確性，改善患者的生活質量［39-40］。

3.6 診斷輔助

智能機器人能夠參與基礎的健康篩查和初步診斷，包括測量生命體征以及執行基本的眼科、耳鼻喉等檢查，有助于及早發現潛在的健康問題。北京市豐臺區方莊社區衛生服務中心借助人工智能輔助決策支持系統與家庭醫生簽約，不僅規范了診療流程，還提升了醫生的技術水平［41］。在早期診斷某些疾病時，借助智能機器人進行輔助診斷可以提供較高的診斷價值。某些慢性病的早期癥狀常不具有典型性，容易出現漏診或誤判的情況［42-43］。智能機器人可通過先進的算法和模型分析患者的生理指標、基因組數據等信息，為醫生提供早期診斷線索和預測，盡可能降低疾病延誤診斷風險，降低患者死亡風險［44］，盡早發現潛在的健康問題并制定更早、更有效的治療方案，以提高患者的生存時長，這將對醫生診斷疾病大有裨益。

智能機器人在遠程操作手術［45］、遠程急救［46］和遠程護理［47］方面也都起到了重要作用。經過多次反復訓練和對大量數據集的學習，人工智能機器人在某些復雜慢性病病因評估方面展現出了更高的性能，能夠彌補臨床醫生診斷的局限性。BUFFOLO等［48］等在大樣本回顧性研究中發現，通過使用臨床評分系統和機器學習，可以有效預測高血壓中的原發性醛固酮增多癥（PA）患者，從而減少了至少32.7%的篩查工作量，并降低了醫療資源的不必要消耗。DAI等［49］開發的DeepDR系統能夠檢測和識別微血管瘤和小出血點，從而準確檢測出糖尿病患者眼底病變的微小變化，及時發現輕度早期糖尿病征兆，為疾病的早期干預提供有力的技術保障。

3.7 危險因素干預

智能機器人可以通過多種途徑參與危險因素干預，包括改變個體的生活行為方式、居住環境或相關社會因素，以降低患病風險或改善患者健康狀況。機器人系統可以收集患者的生活習慣、健康數據等信息，并根據分析結果給出針對患者的具體治療建議和相應干預措施，以減少相關的致病風險［50］。智能機器人還能為患者提供個性化的飲食計劃、有規律的運動次數以及按時用藥的指導等服務。

3.8 個性化健康管理

武漢市東西湖區衛生健康委員會通過“智醫助理”平臺，定期向社區醫生發布健康管理任務，智能提醒醫務人員完成對居民日常慢性病的管理服務［51］。這一舉措不僅顯著減輕了基層醫務人員的日常工作壓力，也提升了基層醫療機構的服務能力，有效推動了基層醫療信息化水平的提升。在5G時代，人工智能通過結合深度學習模型和高性能計算，能夠實時監測患者的健康狀況，并將數據傳輸到醫療設備上進行分析和評估。智能機器人可以記錄患者的日常行為，包括睡眠時長、運動量和飲食記錄等，利用數據分析和智能算法來提供個性化的干預措施［52］，幫助患者改善不健康的行為，促進康復和疾病管理［53］。智能機器人能夠基于患者的身體狀況和個人需求，為其量身定制個性化的健康管理方案，并通過收集和分析患者的生理數據、日常習慣和相關病史等信息，協助患有慢性病的人更加有效地管理自身的疾病［54］。研究表明，智能機器人能夠針對個性化方案診治的糖尿病患者自動發送提醒信息，此類功能可以有效地改善慢性病患者的生活質量，減輕醫療資源壓力，推動慢性病管理智能化的發展［55-56］。例如Next IT公司開發的慢性病患者虛擬助理（Alme Health Coach）系統可為慢性病患者提供全方位的幫助，包括規劃日常飲食、監控睡眠質量、提醒藥物服用時間，甚至通過患者數據分析推導出未規律服藥的原因，該系統還能構建適合高血壓患者的慢性病膳食推薦系統［57］。可視化的機器人聊天架構能夠滿足患者對生理數據儲存、日常行為遠程監測和定時服藥提醒的需求，同時智能機器人可以協助記錄患者的醫療信息，確保數據的準確性和及時性，這對社區醫院的信息管理和衛生檔案維護非常重要［58-59］。

4 醫療人工智能發展的挑戰與展望

隨著技術的進步，人工智能與醫學的結合帶來了新的解決傳統慢性病管理問題的可能性。但智能機器人在基層慢性病管理中也面臨著許多困難：

（1）智能機器不能完全替代醫務人員。盡管人工智能程序可以監測生命體征并執行基本護理任務，但在醫療決策中更注重追求患者治療效益最大化，而忽略了對患者內心需求的人文關懷［60］。醫護人員的人文關懷是不可或缺的。智能機器人需要準確理解用戶的指令并順利執行，與患者不斷保持良好的溝通交流，以確保醫患之間的溝通一致。人文關懷能力仍然是智能機器人缺乏的能力［61］。

（2）智能機器人依靠選定的大數據進行分析，但數據集的建立由研究人員選定，可能導致診療存在一定程度的偏差［62］。此外，當使用算法做出決策時，如果這些算法傾向于某些人或群體，可能會損害其他人或群體的利益，加劇不公平［63］。

（3）患者對智能機器人的接受程度存在差異。由于人機交互方式不夠友好，很多老年患者對使用機器人持排斥態度。有學者基于Anderson健康行為模型開展研究發現患者對于新型服務模式的接受程度受年齡、性別、地區以及對慢性病知識了解程度等因素的影響［64-65］。

（4）隱私和數據安全問題也很重要。確保智能機器人存儲的大量個人健康數據不受第三方攻擊和濫用是一個有待深思的問題［66］。

（5）智能機器人的高昂成本也是一大問題。盡管智能機器可以在一定程度上減輕醫療資源的負擔，但普及和推廣會受到其高昂成本的限制，維護和更新智能機器也需要花費一定的資金［67］。為充分挖掘智能機器人在慢性病管理領域的潛能，需繼續進行深入研究和探索。

（6）智能機器在醫患關系中的責任界定不明確，對于由智能機器人引起的延遲診療和程序錯誤導致的誤診應該明確責任界限［68］。

未來，醫療領域將廣泛應用智能機器人。智能機器人將作為醫生的助手，幫助進行診斷、監測患者健康狀況，并提供個性化治療建議。在手術和治療過程中，其將提供精準的支持，同時改善醫患之間的溝通，提高醫療服務的效率和質量。隨著技術的進步，智能機器人有望成為醫學領域的重要助力，推動醫療水平的提升和醫療資源的合理利用。

5 小結

使用智能機器人能監測、評估和干預高風險人群，輔助慢性病患者改變生活方式，有助于降低慢性病的發病率，這為慢性病患者提供了個性化的治療方案，也為基層慢性病管理帶來了更多可能性。目前研究者對智能機器人的研發更傾向于慢性病健康管理的思路設計，而對效能評估對照試驗的研究較少。我國的醫療人工智能在法律倫理、數據安全、技術瓶頸和成本控制等方面仍存在問題，這導致其應用尚未得到全面推廣。為了實現智能機器人與基層慢性病管理的更好結合，需推動相關法律法規的制定，加強技術人才的培養，保護患者的數據安全及促進不同領域和學科的深度融合。

作者貢獻：張璇進行文章的構思與設計，文章的可行性分析，文獻/資料收集、整理，論文撰寫；張飛、李銘麟進行論文的修訂；王佳賀負責文章的質量控制及審校，對文章整體負責，監督管理。

本文無利益沖突。

參考文獻

吳多文，范華，肖曉艷. 國內慢性病的現狀、流行趨勢及其應對策略［J］. 中國臨床康復，2005，9（47）：126-128. DOI：10.3321/j.issn：1673-8225.2005.47.067.

國家衛生健康委員會疾病預防控制局 . 中國居民營養與慢性病狀況報告 2020［M］. 北京：人民衛生出版社，2020.

中華人民共和國國務院 . 中國防治慢性病中長期規劃（2017—2025年）［A/OL］（2017-01-22）［2023-02-14］. https：//www.gov.cn/

zhengce/content/2017-02/14/content_5167886.htm.

中華人民共和國國務院新聞辦公室.《新時代的中國國際發展合作》白皮書［R/OL］.［2023-01-10］. https：//www.gov.cn/zhengce/2021-01/10/content_5578617.htm.

GULSHAN V，PENG L，CORAM M，et al. Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs［J］. JAMA，2016，316（22）：2402-2410. DOI：10.1001/jama.2016.17216.

POPLIN R，VARADARAJAN A V，BLUMER K，et al. Prediction of cardiovascular risk factors from retinal fundus photographs via deep learning［J］. Nat Biomed Eng，2018，2（3）：158-164. DOI：10.1038/s41551-018-0195-0.

BAPTISTA D，FERREIRA P G，ROCHA M. Deep learning for drug response prediction in cancer［J］. Brief Bioinform，2021，22（1）：360-379. DOI：10.1093/bib/bbz171.

鄧志東. 智能機器人發展簡史［J］. 人工智能，2018，5（3）：6-11. DOI：10.16453/j.cnki.issn2096-5036.2018.03.001.

錢海章，張強，李帥. “十四五” 規劃下中國制造供給能力及發展路徑思考［J］. 數量經濟技術經濟研究，2022，39（1）：28-50. DOI：10.13653/j.cnki.jqte.2022.01.005.

億歐智庫. 2020中國服務機器人產業發展研究報告解析［J］. 機器人產業，2020（4）：83-100. DOI：10.19609/j.cnki.cn10-1324/tp.2020.04.016.

楊梅，胡薇，江長勇. 社區慢性病主動預約健康管理模式對原發性高血壓病的管理效果研究［J］. 中國全科醫學，2019，22（24）：2944-2948. DOI：10.12114/j.issn.1007-9572.2018.00.436.

龔學軍. 社區慢性病管理存在的問題分析與對策［J］. 中醫藥管理雜志，2015，23（12）：134-135. DOI：10.16690/j.cnki.1007-9203.2015.12.009.

袁雪麗，孫苑瀠，倪文慶，等. 深圳市社區老年人高血壓治療和控制情況及其影響因素分析［J］. 中國慢性病預防與控制，2020，28（9）：653-658. DOI：10.16386/j.cjpccd.issn.1004-6194.2020.09.004.

劉曉迪，劉文浩，崔慶霞，等. 我國慢性病領域關鍵問題的文獻分析［J］. 職業與健康，2018，34（11）：1565-1568. DOI：10.13329/j.cnki.zyyjk.2018.0472.

劉春凡，陳玉榮，張婕. 個體化健康教育模式在簽約家庭醫生團隊的社區老年慢性病患者中的應用［J］. 河南醫學研究，2020，29（19）：3483-3486. DOI：10.3969/j.issn.1004-437X.2020.19.009.

黃志杰，張雪姣，陳寶欣，等. 社區醫護人員對 “互聯網+”

慢性病管理使用意愿的多水平線性模型研究［J］. 中國全科醫學，2019，22（28）：3432-3437. DOI：10.12114/j.issn.1007-9572.

2019.00.442.

施建華，顧慧，錢夢岑，等. 基層醫療衛生機構公共衛生服務工作量趨勢變化與分析［J］. 中國全科醫學，2020，23（34）：4291-4297. DOI：10.12114/j.issn.1007-9572.2020.00.480.

楊柳. 基層社區公共衛生服務中慢性病管理現狀及對策研究［J］. 智慧健康，2022，8（10）：20-22. DOI：10.19335/j.cnki.2096-1219.2022.10.007.

王逸，殷安康，趙翔宇. 基于互聯網平臺的慢性病管理研究［J］. 中國農村衛生，2019，11（20）：17. DOI：10.3969/j.issn.1674-361X.2019.20.020.

王文，王向佳，謝江，等. 人工智能在老年慢性病共存病人自我管理中的應用進展［J］. 護理研究，2022，36（5）：869-873. DOI：10.12102/j.issn.1009-6493.2022.05.020.

谷孝云，楊效軍，谷張鵬. 智能語音外呼系統在公共衛生服務中的應用實踐［J］. 中國衛生信息管理雜志，2023，20（2）：285-289. DOI：10.3969/j.issn.1672-5166.2023.02.020.

中華人民共和國國務院新聞辦公室.“健康中國2030”規劃綱要［A/OL］.［2023-10-25］. https：//www.gov.cn/zhengce/2016-10/25/content_5124174.htm#：～：text=%E8%A6%81%E8%A6%86%E7%9B%96%E5%85%A8%E7%94%9F%E5%91%BD%E5%91%A8%E6%9C%9F，%E9%9D%A2%E7%BB%B4%E6%8A%A4%E4%BA%BA%E6%B0%91%E5%81%A5%E5%BA%B7%E3%80%82.

司小平，丁臘春，王譯，等. AI機器人在區域智慧健康管理平臺中的應用［J］. 醫學信息，2021，34（8）：13-16. DOI：10.3969/j.issn.1006-1959.2021.08.004.

葉征，史玲，祝墡珠，等. 人工智能技術助力家庭醫生雙簽約模式對社區老年高血壓患者健康管理的影響［J］. 老年醫學與保健，2023，29（4）：742-746. DOI：10.3969/j.issn.1008-8296.

2023.04.018.

REYNOLDS R，DENNIS S，HASAN I，et al. A systematic review of chronic disease management interventions in primary care［J］. BMC Fam Pract，2018，19（1）：11. DOI：10.1186/s12875-017-0692-3.

吳歡云，張釩，李國峰，等. 遠程超聲發展研究現狀［J］. 現代醫院，2022，22（6）：919-921.

YU R Z，LI Y Q，PENG C Z，et al. Role of 5G-powered remote robotic ultrasound during the COVID-19 outbreak：insights from two cases［J］. Eur Rev Med Pharmacol Sci，2020，24（14）：7796-7800. DOI：10.26355/eurrev_202007_22283.

PU L H，MOYLE W，JONES C，et al. The effect of using PARO for people living with dementia and chronic pain：a pilot randomized controlled trial［J］. J Am Med Dir Assoc，2020，21（8）：1079-1085. DOI：10.1016/j.jamda.2020.01.014.

GUO Y，LIU X Y，PENG S，et al. A review of wearable and unobtrusive sensing technologies for chronic disease management［J］. Comput Biol Med，2021，129：104163. DOI：10.1016/j.compbiomed.2020.104163.

BRAILLON A，GRENON Q，TAIEBI F. Chronic disease and empathy：psychotherapy or placebotherapy？［J］. Rev Med Interne，2019，40（5）：340-341. DOI：10.1016/j.revmed.2019.01.002.

ZANATTA F，GIARDINI A，PIEROBON A，et al. A systematic review on the usability of robotic and virtual reality devices in neuromotor rehabilitation：patients' and healthcare professionals' perspective［J］. BMC Health Serv Res，2022，22（1）：523. DOI：10.1186/s12913-022-07821-w.

ZANATTA F，STECA P，FUNDARò C，et al. Biopsychosocial effects and experience of use of robotic and virtual reality devices in neuromotor rehabilitation：a study protocol［J］. PLoS One，2023，18（3）：e0282925. DOI：10.1371/journal.pone.0282925.

HWANG E J，MACDONALD B A，AHN H S. End-to-end dialogue system with multi languages for hospital receptionist robot［C］//2019 16th International Conference on Ubiquitous Robots （UR）. Jeju，Korea（South）. IEEE，2019：278-283. DOI：10.1109/URAI.2019.8768694.

?ZCAN B，KOK N，WALLENBURG J，et al. Diabetologist 2.0； patients perform diabetic tests using a multilingual robot［J］. Ned Tijdschr Geneeskd，2014，158：A8451.

逯改. 智能養老護理機器人的倫理反思與建議［J］. 醫學與哲學，2022，43（13）：47-51，56. DOI：10.12014/j.issn.1002-0772.

2022.13.10.

畢文倩，張鍇文，劉金，等. 智能機器人康復手套對腦卒中偏癱患者手功能的療效［J］. 中國康復，2023，38（3）：131-135. DOI：10.3870/zgkf.2023.03.001.

龐洪波，李勵，王艷武. 脊髓損傷患者步行功能康復設備的應用進展［J］. 黑龍江醫學，2022，46（24）：3070-3072. DOI：10.3969/j.issn.1004-5775.2022.24.038.

GUPTA S，KUMAR A. Study on early accurate diagnosis and treatment of COVID-19 with smart phone tracking using bionics［J］. SECURITY Priv，2023，6（5）. DOI：10.1002/spy2.303.

RAHIMIAN F，SALIMI-KHORSHIDI G，PAYBERAH A H，et al. Predicting the risk of emergency admission with machine learning：development and validation using linked electronic health records［J］. PLoS Med，2018，15（11）：e1002695.

SABERI-KARIMIAN M，KHORASANCHI Z，GHAZIZADEH H，et al. Potential value and impact of data mining and machine learning in clinical diagnostics［J］. Crit Rev Clin Lab Sci，2021，58（4）：275-296. DOI：10.1080/10408363.2020.1857681.

孫樂琪. 智慧家醫［N］. 北京日報，2023-10-12（12）.

楊文靜，杜然然，呂章艷，等. 人工智能在疾病預測研究中可視化分析［J］. 中國公共衛生，2021，37（5）：871-874. DOI：10.11847/zgggws1128486.

RAJKOMAR A，DEAN J，KOHANE I. Machine learning in medicine［J］. N Engl J Med，2019，380（14）： 1347-1358. DOI：10.1056/nejmra1814259.

洪子強，金大成，李宏超，等. 基于內鏡的人工智能輔助診斷系統在早期食管癌診斷中準確性的系統評價與Meta分析［J］. 中國胸心血管外科臨床雜志，2023，30（9）：1329-1336.

LACY A M，BRAVO R，OTERO-PI?EIRO A M，et al. 5G-assisted telementored surgery［J］. Br J Surg，2019，106（12）：1576-1579. DOI：10.1002/bjs.11364.

ZHAI Y K，XU X，CHEN B Z，et al. 5G-network-enabled smart ambulance：architecture，application，and evaluation［J］. IEEE Netw，2021，35（1）：190-196. DOI：10.1109/MNET.011.2000014.

ZHANG Y G，CHEN G C，DU H，et al. Real-time remote health monitoring system driven by 5G MEC-IoT［J］. Electronics，2020，9（11）：1753. DOI：10.3390/electronics9111753.

BUFFOLO F，BURRELLO J，BURRELLO A，et al. Clinical score and machine learning-based model to predict diagnosis of primary aldosteronism in arterial hypertension［J］. Hypertension，2021，78（5）：1595-1604. DOI：10.1161/HYPERTENSIONAHA.121.17444.

DAI L，WU L，LI H T，et al. A deep learning system for detecting diabetic retinopathy across the disease spectrum［J］. Nat Commun，2021，12（1）：3242. DOI：10.1038/s41467-021-23458-5.

李生，胡冬發，李森源，等. 醫院智能隨訪管理系統設計與應用［J］. 醫學信息學雜志，2017，38（4）：24-27.

孫婷婷，陸緣.打造智慧醫療新場景 完善公衛應急體系［EB/OL］.［2022-12-13］. https：//www.dxh.gov.cn/XWZX/MTBD/202212/t20221213_2114708.shtml.

丁臘春，劉朝鳴. 孕產智能問診本體知識庫研究與應用［J］. 醫學信息學雜志，2018，39（1）：51-54，76. DOI：10.3969/j.issn.1673-6036.2018.01.012.

KATARIA S，RAVINDRAN V. Digital health：a new dimension in rheumatology patient care［J］. Rheumatol Int，2018，38（11）：1949-1957. DOI：10.1007/s00296-018-4037-x.

CHANG S H，CHEN Y G，PEI Y，et al. A cloud-based type-2 diabetes mellitus lifestyle self-management system［J］. Int J Web Grid Serv，2016，12（3）：240.

葛果，周佩如，劉雪彥，等. 糖尿病后醫療管理服務平臺的建設與應用［J］. 護士進修雜志，2016，31（14）：1291-1293.

YOM-TOV E，FERARU G，KOZDOBA M，et al. Encouraging physical activity in patients with diabetes：intervention using a reinforcement learning system［J］. J Med Internet Res，2017，19（10）：e338. DOI：10.2196/jmir.7994.

CHEN R C，HUANG C Y，TING Y H，et al. A chronic disease diet recommendation system based on domain ontology and decision tree［J］. J Adv Comput Intell Intell Inform，2017，21（3）：474-482. DOI：10.20965/jaciii.2017.p0474.

BEN ELHADJ H，SALLABI F，HENAIEN A，et al. Do-Care：a dynamic ontology reasoning based healthcare monitoring system［J］. Future Gener Comput Syst，2021，118：417-431.

ROCA S，SANCHO J，GARCíA J，et al. Microservice chatbot architecture for chronic patient support［J］. J Biomed Inform，2020，102：103305. DOI：10.1016/j.jbi.2019.103305.

PLOUG T，HOLM S. The right to refuse diagnostics and treatment planning by artificial intelligence［J］. Med Health Care Philos，2020，23（1）：107-114. DOI：10.1007/s11019-019-09912-8.

鄒文卿，呂禹含. 智能醫療能否取代希波克拉底傳統［J］. 醫學與哲學，2021，42（18）：25-29. DOI：10.12014/j.issn.1002-0772.

2021.18.06.

王遠旭，湯一鳴. 醫療人工智能倫理：問題·原因·對策［J］. 武漢冶金管理干部學院學報，2023，33（1）：25-28. DOI：10.3969/j.issn.1009-1890.2023.01.006.

LYSAGHT T，LIM H Y，XAFIS V，et al. AI-assisted decision-making in healthcare：the application of an ethics framework for big data in health and research［J］. Asian Bioeth Rev，2019，11（3）：299-314. DOI：10.1007/s41649-019-00096-0.

武雨，孫松蔚，宋蕾，等. 青島市居家失能老年人 “互聯網+” 長期護理服務使用意愿的調查［J］. 中國護理管理，2021，21（8）：1152-1157. DOI：10.3969/j.issn.1672-1756.2021.08.008.

沈勤，徐越. 老年人參與“互聯網+慢性病管理” 意愿影響因素分析——基于Anderson健康行為模型的實證研究［J］. 衛生經濟研究，2020，37（1）：45-48.

竇佐超，汪誠弘，鄧杰仁，等. 生物醫療大數據隱私與安全保護的應對策略與技術［J］. 中華醫學圖書情報雜志，2019，28（11）：11-15. DOI：10.3969/j.issn.1671-3982.2019.11.002.

宋曉琳，尹梅. 人工智能在基層醫療衛生機構應用中的倫理問題研究［J］. 中國醫學倫理學，2020，33（7）：847-851.

陳安天，張新慶. 醫學人工智能輔助診療引發的倫理責任問題探討［J］. 中國醫學倫理學，2020，33（7）：803-808.

（收稿日期：2023-12-20；修回日期：2024-03-26）

（本文編輯：程圣）