基于云的跨硬件平臺睡眠障礙遠程診斷系統

吳 娜，許利群，高 和，段 瑩，常耀斌，方若潔，李 燕

基于云的跨硬件平臺睡眠障礙遠程診斷系統

吳 娜，許利群，高 和，段 瑩，常耀斌，方若潔，李 燕

目前，國內睡眠障礙及相關疾病患者不斷增多，而相應的用于評估、臨床診斷和干預的醫療資源嚴重不足且分布不均。為此，作者提出創新型的“睡眠＋互聯網”的解決方案，利用互聯網、人工智能等信息技術手段，與臨床睡眠診斷知識和專家經驗深度結合，設計實現跨硬件平臺睡眠障礙遠程診斷系統，并應用于實踐，為豐富、提高和拓展睡眠診療領域初級醫護服務的能力和手段，促進優質醫療資源跨地域共享，提供了一條方便、可行的路徑。

睡眠障礙；多導睡眠圖；遠程醫學；人工智能

根據2014年世界衛生組織調查顯示，在世界范圍內27%的人患有睡眠障礙，而中國各類睡眠障礙的人群高達38.2%[1]；我國睡眠障礙人群中有近3億人失眠，約2億人打鼾，5 000萬人在睡眠過程中發生過呼吸暫停[2]。可見，睡眠障礙普遍存在，包括失眠、睡眠呼吸暫停綜合征、異態睡眠、晝夜節律障礙、下肢不寧綜合征等睡眠障礙嚴重影響了人們的生活[3]。睡眠障礙與許多心腦血管疾病及精神疾病，如高血壓、冠心病、心律失常、卒中、焦慮、抑郁等密切相關，還會嚴重影響人的精神狀態[4]。

面對龐大的睡眠障礙人群及對健康的嚴重威脅，中國在提供睡眠診療服務方面還遠不能滿足需求，且存在以下問題:①國內睡眠醫學起步較晚，醫療資源稀缺，只有部分三甲醫院和極少數的二級醫院有睡眠監測室，獨立的睡眠醫學?？聘区P毛麟角。因此，患者得到及時、準確診療的機會有限，診斷等待時間較長且成本相對較高。基層醫院雖有空余床位，但缺少診治能力，資源沒有得到合理利用。②睡眠疾病的診治具有特殊性，信息數據獲取困難，作為睡眠障礙監測的金標準——多導睡眠圖(polysomnography，PSG)數據需要經過專業培訓的睡眠技師進行判讀，而基層醫院缺少相應的資源，無法提供服務。③不同廠家生產的PSG設備并不兼容，針對不同睡眠障礙檢測的簡化版PSG也應運而生，但數據格式并不統一，各個醫院患者的PSG數據通常獨立存儲，成為數據孤島，無法進行院際間數據的互聯互通和睡眠監測大數據分析。

為了解決上述問題，作者提出了“睡眠＋互聯網”的分析診斷創新理念和解決方案，利用互聯網、人工智能等信息技術手段，與臨床睡眠診斷知識和專家經驗深度結合，研究跨硬件平臺的睡眠障礙遠程診斷關鍵技術和系統實現，并應用于實踐，為豐富、提高和拓展睡眠診療領域初級醫護服務的能力和手段提供一條可行的路徑，能夠更便捷、低成本、更為有效地為廣大民眾和邊遠地區官兵提供專業、優質的服務。

1 系統的總體設計

系統設計目標是將三甲醫院的睡眠醫學?？拼蛟鞛閰^域性專業睡眠醫學服務中心，與醫聯體內的眾多基層醫院和部隊診所無縫相連，為患者提供及時、優質、專業的服務，惠及廣大患者；進一步地，可對體檢連鎖機構、老年照護中心等開放，提供睡眠障礙、腦認知等功能疾病篩查服務。

1.1 系統的設計思想 基于上述目標，系統設計圍繞4點展開:①構建基于云的智慧醫療睡眠障礙分級診療服務系統?；谒咴\療臨床實踐以及分級診療臨床需求，構建分級、分區域、分角色的睡眠障礙分級診療模式和端到端系統。②設計基于云的睡眠障礙分級診療云平臺。研究和實現睡眠監測大數據的統一存儲、多角色的業務權限和流程的統一管理、睡眠判讀結果的存儲和調用、報告的生成和同步管理等技術。③自主研發通用PSG判讀軟件。研究主流PSG的解析、顯示和標注技術，實現整晚同步監測腦電、眼電、肌電、呼吸氣流及呼吸努力、心電、血氧及二氧化碳、肢體運動等多項生理參數，且能夠同步顯示，睡眠分期和事件實時標注等功能。④實現PSG數據智能分析算法?；趯＜蚁到y和機器學習算法對多維生理信號進行各類睡眠障礙問題的智能分析和輔助診斷(睡眠分期、呼吸暫停綜合征、下肢不寧綜合征等)，提高醫生工作效率，提升診斷準確率。

1.2 系統主要功能設計 系統由基層醫院管理門戶、面向區域睡眠醫學中心云平臺、通用PSG判讀客戶端3個子系統和14個功能模塊組成(圖1)。

圖1 系統功能框架

各子系統功能:①基層醫院管理門戶，實現患者就診信息管理、睡眠監測數據的遠程傳輸和監測報告的實時查詢；②面向區域睡眠醫學中心云平臺，實現醫院分級管理、多級多角色用戶管理、數據管理、質量控制管理、判讀任務管理、睡眠分期智能判讀和報告管理功能；③通用PSG判讀客戶端，能夠解析并顯示主流PSG的監測數據，對睡眠分期和睡眠事件進行判讀，實現睡眠事件智能判讀和監測指標統計。

2 關鍵技術研究與實現

2.1 睡眠中心云平臺 云平臺采用主流的云計算技術實現數據的海量存儲和靈活調用[5]，解決遠程睡眠診療的分級管理、數據傳輸、輔助判讀、報告管理等問題，并滿足業務拓展需求。云平臺為各級醫院提供五大數據服務能力，包括睡眠大數據高并發上傳存儲、高可靠數據管理、安全數據權限認證、睡眠數據智能分析處理及結果異步返回、高效監測報告查詢。

2.1.1 基于微服務架構的睡眠云平臺設計 針對高效展示睡眠監測報告需求，通過聚合器設計模式和雙向綁定技術，讓本地瀏覽器緩存一次加載服務端的數百份數據監測，解決睡眠大數據在網絡傳輸過程和數據展示過程中的高延遲問題。針對數據分析的云端處理需求，通過異步消息傳遞微服務設計模式，實現智能分析算法的云端處理和客戶端展示的異步傳輸實時響應需求。

2.1.2 安全權限框架設計 針對基層和三甲醫院的多角色管理及任務協作，采用身份認證和授權機制實現雙級權限管理，保證多線程應用下的并發驗證和密文加密的數據權限需求。

2.1.3 高可用數據庫服務的設計 采用分片模式和復制集模式結合，支持睡眠大數據分片和復制需求，滿足數據庫自動故障處理、自動故障轉移、自動擴容，實現睡眠報告指標索引、動態查詢等功能。

2.1.4 高并發睡眠數據文件采集設計 采用業內主流的高并發框架和微設計模式組合，實現技術和業務分類、斷點續傳和多線程并發處理相結合的技術難點，滿足業務可擴展和靈活配置的在線升級需求。

2.2 PSG判讀客戶端 根據PSG判讀需求[6-8]，客戶端提供PSG、睡眠結構圖、波形和評分事件4個主要顯示窗口。其中，PSG窗口是整個客戶端的核心窗口，負責將采集傳輸的睡眠數據以導聯為單位顯示在界面上，并支持睡眠分期和相關事件判讀；睡眠結構圖窗口以“幀”為單位，將所有睡眠分期結果按照時間順序顯示在窗口中；波形窗口以“幀”為單位，顯示睡眠分期結果和睡眠事件；評分事件窗口根據事件標注順序依次列出已判讀的所有事件和細節。睡眠分期和事件判讀視圖見圖2。

圖2 PSG判讀客戶端睡眠分期和事件判讀視圖

PSG判讀客戶端會涉及多個關鍵技術，如跨硬件平臺的設備接入、視圖窗口間的信息實時同步、睡眠事件的統計和標準化輸出等。

2.2.1 跨硬件平臺的設備接入 業界的PSG監測

設備多是國外進口，睡眠數據采集沒有形成統一規范，不同設備的數據格式采用私有協議，特定格式的數據只能通過匹配的軟件提取信號進行判讀。因此，對各類數據進行智能匹配，實現主流多導設備的統一接入，是通用PSG判讀客戶端的基本要求。通過分析不同設備的數據格式，匹配文件頭結構、導聯名稱和單位信息，PSG判讀客戶端針對不同的文件格式采用合適的讀取策略確定生理數據類型，并根據類型對實際數據進行適配轉換，以最優敏感度顯示。

2.2.2 客戶端視窗的同步方案 針對PSG判讀客戶端頻繁發生的睡眠分期和睡眠事件請求，采用傳統的視窗(Windows)消息響應機制，容易引發事件響應延時甚至丟失的問題。為了解決這一問題，在內存映射層引入觀察者模式監聽系統消息，并使用消息隊列分類別存儲，從而支持窗口對消息的快速讀取和響應。信息同步方案見圖3。

圖3 PSG判讀客戶端視窗的信息同步方案

2.2.3 睡眠及相關事件的統計和輸出 PSG判讀客戶端中標志的睡眠分期和相關事件，最終以監測指標統計的形式輸出給云平臺用于生成監測報告。為了適配各種類型的統計數據，客戶端定義了樹型結構的可擴展模板，通過層次結構填充142項睡眠監測指標，完成睡眠分期、覺醒、心率、血氧、腿動、呼吸等多類事件的計算。

2.3 睡眠分期智能判讀 PSG數據的智能判讀是基于專家系統和機器學習算法，對多維生理信號進行各類睡眠障礙問題的智能分析和輔助診斷，包括睡眠分期、心電、低通氣、呼吸暫停、腿動、血氧等事件的智能分析，用于輔助診斷失眠、晝夜節律障礙、睡眠呼吸暫停綜合征、異態睡眠等。其中，呼吸暫停、腿動等事件的智能分析采用的方法是基于臨床醫學規則構建專家系統，并利用信號處理技術進行決策分析。本研究將進一步介紹基于機器學習算法的睡眠分期自動識別方法。

《美國睡眠醫學會判讀手冊》對清醒和睡眠分期進行了命名(W期、N1期、N2期、N3期和R期)[7]，以連續30 s為1幀判讀睡眠分期。在成人整晚的睡眠過程中，慢速眼球運動睡眠和快速眼球運動睡眠期是以90～100 min的節律交替出現。每次交替為1個周期，每晚3～5個周期[3]，通過對國內外相關技術和實踐的研究梳理，本研究選擇和改進了適合于本系統的技術，基于腦電信號進行睡眠分期的智能判讀，通過數據均衡和小波變換實現數據預處理，采用基于經驗模式分解的Hilber-Huang變換[9]提取時頻域特征并通過樣本熵[10]提取非線性動力學特征，進一步采用支持向量機分類方法對睡眠分期識別進行建模。

本研究從國際公認的麻省理工PSG公開的MIT-BIH PSG數據庫[11]選取樣本，結合空軍總醫院經過美國注冊睡眠判讀技師標注的數據樣本進行融合和建模，包括健康、輕度失眠、呼吸暫停綜合征和下肢不寧綜合征患者，對未經特殊篩選的4 355組30 s腦電信號數據進行建模，通過交叉驗證和參數尋優獲得最優模型參數，構建分類模型，基于該模型清醒和睡眠分期5類識別準確率為81.1%。

3 討論

面對國民醫療健康領域出現的睡眠診療問題，本研究順應國家分級診療發展大勢，運用最新的理念和技術設計實現了分級診療的系統，研發了具有自主知識產權的通用PSG分析軟件，利用人工智能輔助醫生判讀，代表了最新一代睡眠疾病診療技術的發展。睡眠遠程診斷系統已經在空軍總醫院試用，也為醫療資源缺乏的邊防部隊官兵的睡眠及相關疾病的診斷和干預奠定了基礎，具有較大的創新性和開拓性。這也意味著在這片藍海之中的探索將存在更多的可能性。將進一步擴大應用規模，與各地基層醫院、部隊衛生隊無縫鏈接，基于積累的歷史數據以及不斷增加的監測數據，構建睡眠醫療大數據中心，實現生理數據和病例數據的多模態融合分析，探索臨床決策支持、科研前瞻性研究、個性化、差異化睡眠醫療等應用的研究。

[1]Special:World Sleep Day[EB/OL].(2013-03-21)[2017-06-20].http://www.chinadaily.com.cn/china/2013-03/21/content＿16320337.htm.

[2]“鼾聲如雷”不見得睡得香或預示生命受威脅[EB/OL].(2010-12-05)[2017-06-22].http://www.zgjkjy.org/Articles/Show.aspx?Mid＝100512023551671＆ID＝325.

[3]高和，王莞爾，段瑩，等.睡眠醫學基礎[M].北京:人民軍醫出版社，2015.

[4]睡眠呼吸暫停與心血管疾病專家共識組.睡眠呼吸暫停與心血管疾病專家共識[J].中華內科雜志，2009，48(12):1059-1067.

[5]張俊林.大數據日知錄:架構與算法[M].北京:電子工業出版社，2014.

[6]Nejedla M，Minarik R.Examination of sleep disturbances using the ALICE6 system[J].Vlakna A Textil，2016，23(1):9-17.

[7]段瑩，高和.標準多導睡眠監測的技術規范和應用范圍[J].世界睡眠醫學雜志，2014，1(1):30-33.

[8]高和，江曉麗.美國睡眠醫學會睡眠及其相關事件判讀手冊——規則術語和技術規范三[M].北京:人民軍醫出版社，2010:58.

[9]Huang NE，Shen Z，Long SR，et al.The Empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J].Proc Roy Soc A，1998，454(1971):903-995.

[10]Richman JS，Moorman JR.Physiological time-series analysis using approximate entropy and sample entropy[J].Am J Physiol Heart Circ Physiol，2000，278(6):H2039-H2049.[11]Goldberger AL，Amaral LA，Glass L，el al.PhysioBank，PhysioToolkit，and PhysioNet:components of a new research resource for complex physiologic signals[J].Circulation，2000，101(23):E215-E220.

Cloud-based hardware platform-compatible tele-diagnosis system for sleep disorders

WU Na1，XU Liqun1，GAO He2，DUAN Ying2，CHANG Yaobin1，FANG Ruojie1，LI Yan2
(1.mHealth and Smart Healthcare Research Center，China Mobile Research Institute，Beijing 100032，China；2.Aeronautic and Aerospace Sleep Medicine Center，Air Force General Hospital，Beijing 100142，China)

The percentage of Chinese population suffering from sleep disorders and related diseases is on the increase in recent years，while the corresponding medical care resources for assessment，clinical diagnosis and intervention are in serious shortage and not evenly distributed in urban and rural regions.This paper aims to introduce an innovative“sleep＋internet”solution，which uses internet，artificial intelligence and other information technologies while integrating the knowledge of clinical diagnosis and expert skills.A hardware platform-agnostic telemedicine system for sleep disorders diagnosis is designed and implemented，which provides a viable path for enriching，improving and expanding the capacity and means of primary care services delivery in the field of sleep diagnosis，and promoting the sharing of quality medical resources across different geographic regions.

Sleep disorders；Polysomnography；Telemedicine；Artificial intelligence

R740

A

2095-3097(2017)06-0332-04

10.3969/j.issn.2095-3097.2017.06.004

100032北京，中國移動研究院移動健康和智慧醫療研究中心(吳 娜，許利群，常耀斌，方若潔)；100142北京，空軍總醫院航空航天睡眠醫學中心(高 和，段 瑩，李 燕)

許利群，E-mail:xuliqun＠chinamobile.com

2017-07-10 本文編輯:張在文)