基于AI輔助診斷的遠程心電平臺在醫療園區的建設和應用實踐

中圖分類號：R197.3 文獻標志碼：A 文章編號：2095-2945（2025）23-0001-05

Abstract：Withtheadvancementof medical informatizationconstruction，remotediagnosisplatformsareplayingan increasinglyimportantroleinpublichospitals，helpingtooptimizethealocationofmedicalresourcesandimprovethequalityof primarymedicalservicesandpatientmedicalexperience.ThisresearchfocusesonthemedicalparkandreliesonAIinteligent diagnosistechnologytodesignandimplementaremoteECGplatformbasedonAI-asisteddiagnosis.Theplatformbreaks regionalrestrictionsandoptimizesmedicaltreatmentprocedures，andrealizesreal-timecolection，transmisionandinteligent analysisofECGdata.Thisarticlesummarizestheconstructionbackgroundusemethods，implementationprocessandfectsof thesystem，andcomparesandanalyzesitwiththetraditionalmodelintermsofcapitalinvestment，costsavings，andmedical qualityimprovement.TheresultsshowthattheremoteECGplatformhasahigh-costperformanceratio.Through theconstruction ofthisplatform，wewillstrengthentheinformatizationconstructionofECGexaminationsinprimarymedicalinstitutionsand promotetehigh-qualitydevelopmentofmedicalservices.Finally，basedonclinicalpracticalwork，thelimitationsofaplication and future prospects are proposed.

Keywords：AI; remote ECG platform;medical institution；electrocardiogram；medical resources

隨著我國醫改推進，分級診療是推進醫藥衛生體制改革的重點工作方向之一[1-2，旨在均衡分配醫療資源。信息化醫療技術的高效運用，對提高普通醫療機構決策、服務精準度和分級診療效率起到重要幫助。2022年，國務院辦公廳發布2項規劃：一是國務院辦公廳于5月發布的《“十四五\"國民健康規劃》，二是國家衛生健康委于1月公布的《“十四五\"衛生健康標準化工作規劃》，這2項規劃均強調了基層醫療的重要性，并提倡優化醫療資源的配置與利用。規劃指出，要通過標準化的手段來促進優質醫療資源的擴展與下沉，旨在提升由不同地區、不同醫院構成的多中心、區域化醫療機構的醫療服務同質化34。在此基礎上，各級醫療機構將依托大型醫院的學科優勢與專業水平，積極建立區域醫療中心，從而增強基層醫療機構在診斷救治、疾病預防與治療，以及健康管理等方面的能力。海南博鰲樂城國際醫療旅游先行區是于2013年2月28日由國務院批準設立，是海南自由貿易區（港）建設的先行區，也是中國內地唯一的“醫療特區”。園區作為醫療資源集中地，存在著30余家醫療機構，但卻面臨著醫療資源分布不均、中小醫療機構診斷能力有限的挑戰，絕大多數醫療機構為小微型機構，無法有效承擔充分的醫療保障，面臨診療質量不一，缺少開展相關醫學檢查能力等。（以下簡稱“瑞金海南醫院”）作為該園區內唯一的大型公立醫院，為應對挑戰、促進醫療資源協作、探索新診療模式，瑞金海南醫院打造構建遠程心電平臺，旨在盡可能整合優質醫療資源，去提升整體園區醫療服務水平，彌補中小醫療機構的短板。本文探討了AI技術在遠程診斷平臺中的智能輔助診斷和篩查應用，并以醫療園區的實踐為例，研究其在解決臨床業務痛點中的應用模式和效果。

1需求分析

1.1 就醫流程優化

我國心血管疾病發病率上升，心電圖檢查在心血管疾病診斷方面作為重要判斷參考，但有些園區中部分醫療機構尚未開展此檢查或檢查質量不理想，患者往往需要長途跋涉前往大型醫院就診掛號再重新登記檢查，不僅耗費時間和精力，還可能因就醫流程繁瑣而影響相關病情和就醫體驗。針對繁瑣流程進行重新改造，將心電圖檢查平移到相關醫療機構中，患者可以通過遠程診斷平臺進行心電檢查服務，無需長途跋涉即可享受優質診療。這不僅節省了患者的時間和精力，還提高了就醫體驗，保證了診斷的及時性。

1.2 醫療信息化建設

園區內醫療機構在心電圖等常見檢查項目的診斷能力上相對較弱，難以滿足患者的就醫需求，在遇到復雜疑難的檢查情況時無法有效出具診斷依據，從而耽誤患者病情，為此需要連通擁有診斷能力的大型醫院作為依托單位，進行相關醫療信息化建設，進而保證醫療服務的開展。遠程心電診斷平臺的建設是醫療信息化建設的重要組成部分，通過信息技術的應用，實現了醫療數據的實時采集、傳輸和分析，向上可以連通上級醫院，向下可以拓展到相關醫療機構開展心電檢查，使信息化建設輔助保障醫療服務的開展。

1.3提升醫療服務質量

在醫療衛生體系中，不同等級的醫療機構在心電報告醫師的人員配置上存在著顯著的差異，這種差異直接導致了心電圖診斷水平的參差不齊，一些醫療機構可能由于資源有限，心電報告醫師的數量嚴重不足，且可能面臨技術更新滯后、專業培訓機會稀缺等問題，這也是限制了其心電圖診斷能力的因素之一。此外，心電圖檢查的質量控制也是影響診斷水平的重要因素之一。部分醫療機構在心電圖檢查的質量控制方面未能執行嚴格的標準和流程，這可能包括檢查前的患者準備、檢查過程中的操作規范以及檢查后的數據分析和報告撰寫等多個環節。缺乏統一的質量控制標準，加之對細節管理的忽視，使得心電圖檢查的質量難以得到有效保證。這不僅可能影響到診斷的準確性，還可能延誤患者的治療時機，對患者的健康構成潛在威脅。通過遠程診斷平臺，大型公立醫院的優質醫療資源可以得到更廣泛的利用，幫助園區醫療機構提升診斷能力，從而減輕大型醫院的接診壓力，實現醫療資源的合理分配，同時提高和統一園區內的檢查標準和質量控制，這樣可以有效提高整體的醫療服務質量。

2 系統平臺設計及組織

2.1 系統設計

遠程診斷平臺采用SaaS架構設計，旨在實現成本效益最大化，兼具低成本、高靈活性和易擴展性。這一設計策略的核心目標在于實現成本效益的最大化，同時確保平臺具備低成本、高度的靈活性和易于擴展的特性。SaaS模式允許醫療機構無需自行購買、安裝和維護復雜的軟硬件系統，而是通過網絡訪問和使用由第三方提供的服務，從而減輕了其經濟負擔和技術壓力。在網絡方面，遠程診斷平臺通過政務專網、醫保專網或映射公網進行網絡鏈接，確保數據傳輸的安全性和穩定性。政務專網和醫保專網提供了高度安全和可靠的網絡環境，適用于處理敏感的醫療數據。映射公網則為那些無法接入專網的機構提供了靈活的網絡接入方式，確保了平臺的廣泛適用性。通過這些網絡連接，相關機構可以實時采集、傳輸并存儲心電數據，實現數據的流動和高效管理。外部醫療機構通過面向用戶使用的上傳端，進行登陸和上傳檢查與病史等操作，在瑞金海南醫院內部，心電圖室醫生通過診斷端登陸系統進行統一診斷。另外，在診斷端內置的AI算法，能夠智能分析心電圖數據，提供初步診斷意見。這些AI算法經過大量的心電圖數據訓練，具備高準確率和快速響應的特點，能夠在短時間內對心電圖數據進行分析，生成初步診斷報告。AI算法的應用可以提高診斷的效率，也減少了人為錯誤在實際中的影響，提升了診斷的準確性（圖1）。

2.2 系統組織

遠程診斷平臺是園區內的公共學科平臺，由瑞金海南醫院統一建設和部署，避免了醫療機構的重復投資。平臺以檢查數量為基礎進行收費，降低了服務成本。利用整合瑞金海南醫院的醫療資源，一定程度上助于均衡醫療資源分配，促進資源共享，提升整體醫療服務水平。通過集成AI模型技術，可提供醫療輔助決策，實現心電信號的智能分析與診斷，AI算法能夠準確識別心電波形特征，及時發現潛在的檢查風險，為臨床提供醫療輔助決策，使AI妥善地應用于醫學領域，達到解放部分人力的效果[9-，從而構建智能化的心電診斷管理體系，提高診斷效率。

圖1系統設計圖

在服務體系設計上患者可通過園區內多家醫院預約心電檢查服務，患者經接入遠程平臺相關醫院進行檢查，無需長途跋涉即可享受優質診療。對醫療機構而言，平臺簡化了診療流程，統一了操作標準，提高了工作效率，拓寬和提高了醫療服務的覆蓋面和均等性1（圖2）。

圖2遠程診斷平臺工作流程圖

3 AI功能實現

在心電信號的智能診斷中，AI技術的應用首先要對心電信號進行預處理，旨在為后續AI診斷奠定數據基礎。這一步驟在于提取QRS波群作為心電信號中最具代表性的部分，其能量特征能夠反應心臟電活動的核心狀態，從而捕捉心電信號的關鍵信息，其次結合AI對處理后的心電信號進行診斷和識別。圖3展示了一個心跳周期的波形圖。

平臺內集成的核心功能心電圖AI輔助識別，使用基于多標簽細粒度網絡統一模型，這里我們稱為FM-ECG，模型由以下組件形成： ① 弱監督部分發現；② 發現部分的空間注意力； ③ 循環標簽推理組成。不同于傳統的單分類模型，其模型特點是從端到端框架，同時，對心電圖看做多標簽分類問題。模型過程根據弱監督從原始的心電圖中獲取細節，然后空間注意力根據類別重要程度判斷進行加權，之后循環標簽抓取潛在圖像標簽的依賴關系，根據此來迭代推斷多種異常。具體來說，在每個推理輪中，弱監督部分發現模塊，捕獲潛在判別部分的細粒度表示。發現部分的空間注意力模塊，自適應計算每個部件的注意力并重新校準其特征表示。循環標簽推理模塊，使用來自整體波形和發現部分的視覺特征來預測當前一輪的ECG異常標簽，該模塊隱式地對標簽依賴性進行建模。在圖4中，給予一個原始的心電圖圖像后，首先把圖像輸入主干網絡里面，該網絡輸出的圖像整體會表示特征圖，然后通過雙線性注意池循環去檢測信息部分和對應的部分矩陣，全部的細粒度部分信息將通過一個集成機制加權地組合起來，然后用于預測目前的異常類。

圖3心電圖意義

在模型的試驗評估中，訓練采用了命名為CEOG與DECG的2個大規模的真實數據集，并應用于此研究。數據集來源于交通大學醫學院附屬瑞金醫院，首個數據集名為CE0G，共包含2820個心電圖（ECG）數據記錄。這些數據記錄以便攜式網絡圖形（PNG）格式存儲，每個記錄都呈現為12導聯的心電圖圖像。第二個數據集我們稱之為DECG，在這個數據集中，每個記錄被表示為12導聯、采樣率為 500Hz 持續時間為10s的數字信號。與CE0G數據集以圖像格式存儲不同，DECG數據集以數字格式存儲。在之后的模型驗證性中使用了精確度、召回率和 F1 分數作為主要的評價指標[13]，其中 TP，FP，TN 和FN分別代表真正例、假正例、真反例和假反例。這些指標的計算方法如下

F1 分數 =2x 精確度x召回率精確度 + 召回率

在最終的模型相關評價中，根據測量的數據擬合計算公式后得出模型的精確度和召回率與F1值分別為0.90、0.83、0.86，從而表明FM-ECG是一個有效的并具有較強的應用于臨床環境的能力。框架，可以協助臨床醫生從心電圖圖像中檢測異常，

圖4AI模型架構

4平臺應用與效果

4.1 平臺應用

在以往患者前往園區醫療機構就診需要進行心電檢查時，需要面臨以下問題：檢查是否被上級醫院認可；檢查是否符合質量標準;檢查診斷是否準確；醫療機構是否具有心電診斷能力等問題。使用遠程心電平臺后在以下方面有了明顯變化： ① 提升診斷質量。通過遠程診斷平臺利用瑞金海南醫院優質的診斷醫生資源建立平臺。診斷中心旨在滿足區域內醫療機構的遠程診斷、遠程報告審核、遠程會診等需求，從而解決醫療機構心電診斷醫生資源短缺的問題，提高診斷質量。 ② 降低費用。相對于傳統醫院開設檢查配套診斷，碰到疑難病例或無法診斷等問題，接入平臺后，只需配套設備與檢查人員，相關檢查和疑難會診統一由遠程診斷平臺內進行處理，這樣降低了醫療機構附加相關醫療費用的負擔。 ③ 統一檢查標準。通過區域內接入遠程診斷平臺的醫療機構，統一上傳檢查的標準和檢查質量控制，確保區域內的檢查質量得到有效控制，這樣可以提升檢查的質量，也有利于區域內心電檢查的規范化發展。 ④ 檢查互認。建設接入平臺后因統一了檢查標準與診斷質量，相關機構可以互認檢查，不用患者再大費周章地輾轉多家醫院進行就醫，可就近診療，降低因為出行產生的醫療事故和經濟負擔，在一定程度上可以滿

足患者的就診需求。

4.2 效果分析

通過應用實際建設后，各機構進行應用對比后，梳理有效性評估對比詳情。AI輔助診斷的遠程心電平臺與傳統心電信息平臺建設對比，從網絡要求、智能診斷、可部署性、可維護性方面，都優于傳統的系統平臺建設，見表1。

表1與傳統心電項目建設技術對比分析

對于傳統的醫療建設，遠程心電平臺在醫療建設投入產出比上有顯著優勢。平臺采取醫院內醫務部門進行對接的方式去接人，由提供者給接入的醫療機構提供按需付費的方式進行診斷服務。有效降低了其他醫療機構的醫療建設成本。對于小型民營醫院來說，心電管理系統建設，心電診斷醫生配備是需要一定投入的，且心電檢測收費不高，相對來說投資性價比不高，但又不可或缺，因此要在資源有限的環境下，探索高效、經濟的心電管理系統建設路徑，優化心電醫生資源配置，以科技賦能園區醫療機構，實現性價比與醫療效能的雙重提升（表2）

表2與傳統醫療建設對比分析

通過應用實踐探索效果表明（圖5），平臺通過科技賦能園區醫療機構，優化了心電醫生資源配置，同時實現了性價比與醫療效能的雙重提升。對于資源有限的小型民營醫院而言，該平臺提供了一個高效、經濟的解決方案，促進了醫療服務的普及與提升。

圖52024年6—10月遠程心電診斷數據

5結論

本文構建并實施了基于AI輔助診斷的遠程心電平臺，該平臺在醫療園區內實現了心電圖檢查的信息化和智能化。與傳統醫療建設模式相比，遠程心電平臺在成本效益、智能診斷及部署靈活性方面展現出了明顯的優勢。它無需復雜的內部組網，僅需接入相關網絡即可使用，從而顯著降低了網絡建設和維護的成本。內置的AI算法能夠自動分析心電圖數據，為醫生提供診斷參考，這在一定程度上提升了診斷的效率和準確性。同時，SaaS架構使得平臺能夠靈活部署，快速適應不同規模和需求的醫療機構，且云上托管模式降低了平臺的維護難度和成本。然而，也應該認識到平臺目前仍存在一些局限性，當前平臺對新設備和檢查類型的兼容性有待提高，在 24h 動態心電圖[4和運動平板試驗[5等復雜檢查項目中，系統的支持和兼容與AI算法的準確性和可靠性需要進一步提升。隨著平臺的廣泛應用，數據安全和隱私保護也成為需要關注的重點，需要進一步加強數據加密、訪問控制和審計機制，從而確保患者數據的安全和隱私。后續將進一步提升平臺的性能和用戶體驗，增加對新設備和檢查類型的兼容性測試，確保平臺能夠支持更多的檢查項目和設備類型。加強數據加密技術，采用多層加密和訪問控制機制，確保數據在傳輸和存儲過程中的安全。綜上，遠程心電平臺在醫療園區的建設和應用實踐中取得了一定成效，但仍需優化和改進。平臺將為醫療機構提供更高效、更便捷的醫療服務，推動分級診療體系的完善和醫療信息化的發展。

參考文獻：

[1]王鴻妮，趙鑫，紀科宇，等.分級診療政策敘事的概念重構：三重理解與內涵辨析[J].中國醫院管理，2022，42（4）：5-8，12.

[2]錢宇，王小合，陳潔，等.分級診療服務體系理論及實踐進展與路徑策略研究[J].中國醫院管理，2022，42（9）：1-5.

[3]國務院辦公廳關于印發\"十四五\"國民健康規劃的通知：國辦發[2022]11 號[EB/OL].（2022-05-20）.https：//www.gov.cn/zhengce/content/2022-05/20/content_5691424.htm.

[4]國家衛生健康委.國家衛生健康委關于印發“十四五\"衛生健康標準化工作規劃的通知[EB/OL].（2022-01-25）.http：//www.nhc.gov.cn/fzs/s7846/202201/0a93c6e17e804d359ba1d2579ce38032.shtml.

[5]張偉，李華.AI技術在遠程診斷平臺中的應用與效果評估[J].醫療衛生裝備，2023，44（3）：123-128.

[6]楊繼，張，馬騰，等.1990—2019年中國心血管疾病流行現狀、疾病負擔及發病預測分析[J].中國全科醫學，2024，27（2）：233-244，252.

[7]錢劉蘭，章晨焱.SaaS模式在社區健康醫療檔案信息管理中的應用[J].山西檔案，2018（5）：35-37.

[8]張一帆，張澤瑞，董敬，等.大模型時代下的醫療人工智能技術進展與挑戰[J].中國醫學裝備，2024，21（6）：189-194.

[9] ALLAN T，PEDRO H A，JAIME C，et al. Artificial Intelli-gence in Medicine[M]. Germany：Springer，2022.

[10]郃雪，趙天祺，孫亞茹，等.人工智能在臨床醫學的新型優勢[J].內蒙古醫科大學學報，2021，43（3）：316-319.

[11]談在祥，韓曉平，丁甜甜.我國醫療人工智能的發展困境與對策[J].衛生經濟研究，2020，37（6）：13-15.

[12]張彥杰，馮園園，劉威，等.多院區一體化促進優質醫療資源擴容下沉的寧夏實踐[J].中國衛生質量管理，2023，30（9）：90-93.

[13]章珊珊，陳蒙蒙，方振紅，等.基于機器學習的心臟病預測模型構建與探討[J].醫院管理論壇，2024，41（5）：58-61.

[14]劉首宏，張永全.24小時動態心電圖檢查診斷冠心病性心律失常的臨床效果研究[J].中國醫療器械信息，2020，26（24）：114，160.

[15]陳芬蘭，張潔.運動平板試驗在冠心病患者心肌缺血評估中的應用[J].嶺南急診醫學雜志，2023，28（2）：144-146.