基于主動健康訪問技術的醫養結合智能綜合服務管理平臺研究

蘇明亮，王士泉，李 偉

（1.東華軟件股份公司，北京 100191；2.火箭軍特色醫學中心核與輻射損傷實驗室，北京 100088）

0 引言

隨著我國老齡化、高齡化進入加速階段，醫養結合已成為未來應對老齡化的重要政策方向。我國目前缺乏全國統一標準的老年醫養結合服務與技術體系，高水平醫養服務人員不足，且醫養結合服務機構存在定位及服務內容不明確、管理欠規范、服務內容和評價標準不完善、質量管理欠缺等問題。在上述背景下，基于主動健康訪問技術（主動健康訪問技術指利用新一代個體健康監測設備，實現健康信息的連續動態采集與實時傳輸，開發一批健康大數據融合分析、個性化健康畫像、健康養老關鍵技術產品，建立疾病預警和主動健康干預服務體系等），探索建立不同地區、不同發展階段的老年人群醫養結合服務模式，研發區域級醫養結合服務平臺并開展典型應用，將醫療保健和養老服務相結合，滿足多層次健康需求，有利于應對我國當前和未來健康管理需求、老齡化挑戰，構建和諧社會的健康模式[1]。

1 研究內容

利用新興互聯網+大數據技術實現多元化主動健康指數采集功能，建立集醫療、健康、養老于一體的互聯網智能服務管理平臺；研發基于醫療物聯網、移動計算技術的老年人生活及健康狀態電子監測系統，有效干預老年人的物質、精神生活；以健康干預方案推薦和風險預警為重點，建立可動態調整的智慧健康養老機制，并進行應用驗證。醫養結合智能綜合服務管理平臺架構如圖1所示。

圖1 醫養結合智能綜合服務管理平臺架構圖

1.1 醫養結合智能綜合服務管理平臺需求調研與服務的設計

通過分析醫養領域各方主體對智能服務平臺的具體需求，按照系統設計理論將需求固化為服務內容或服務功能。綜合考慮多因素影響，選取調研對象，理清老年人、醫療機構、養老機構、社區、居家等對平臺的建設應用需求，界定共性、個性服務，有針對性開展服務設計，構建銜接家庭—社區—機構的、可實際執行的生活方式，及健康養老、保健、醫療、康復、精神和心理、中醫、養老生活需求和支持等方面的服務內容和路徑。

1.2 社區虛擬醫養結合平臺的構建

構建以“患者監測（檢測）終端—云數據中心—醫護管理終端”為結構的社區虛擬醫養結合云平臺。制定通用的醫療健康數據接口標準，集成互聯網醫療及慢性病管理、康復照護、健康信息管理、智能支持、智能醫養服務評價及改進等子系統，形成醫患聯動的移動醫療信息服務體系[2]。通過科學定義老年人健康風險預警執行任務集并進行模型化處理，完成監測系統數據的采集、傳輸、存儲等功能，實現老年人生活及健康狀態監測預警系統研發。同時，開發健康風險報警系統，實現報警信息統一推送、信息反饋處理等功能模塊的開發、測試和應用。

1.3 社區和居家醫養結合的應用及評價

研發平臺典型應用，通過老年人、共同生活者、醫生、照護人員、其他服務人員的滿意度調查及專家評價、論證和測評，驗證醫養智能服務平臺的可行性、有效性、安全性和衛生經濟效益。同時，驗證心電監測的及時性、準確性和對心腦血管疾病的預警干預效果。另外，根據經濟承受能力將養老群體分為托底型、保障型和健康型，探索適合各類群體的運營模式。

2 技術路線

按照“標準規范與安全機制研制—個體健康數據處理與融合技術—AI算法模型構建—平臺建設與應用驗證”的設計思路，構建醫養結合智能綜合服務管理平臺的技術路線（如圖2所示）。

（1）構建個人健康監測數據的隱私保護與安全管控機制，采用私鑰與加密技術保證個人健康記錄訪問的安全性。

圖2 醫養結合智能綜合服務管理平臺技術路線圖

（2）研發多層次個人健康數據采集的集成式可穿戴設備及軟件，實現主動健康多參數數據（血壓、血糖、心電圖、血氧、體脂率、呼吸信號、腦電圖等）與健康信息（身體指標、體征、行為、運動、飲食、睡眠、精神、心理等）的聯通與實時傳送[3]。

（3）研究海量個人健康數據的精確匹配與模糊匹配，設計統一時空框架下的個人標準健康監測數據的組織與關聯。采用開源的Solr/Elastic Search技術實現多模態、多粒度元數據格式的定義、快速上傳和高效索引的構建，數據存儲于HBase/Hive/區塊鏈。在對海量數據的組織與關聯上，做到對大量的非統一數據關聯與格式的統一。

（4）研發包含疾病預警、生活方式干預、心理和行為建議、個性化營養推薦等功能的新一代人工智能算法與模型。采用卷積神經網絡、遞歸神經網絡和進化算法構建在線學習人工智能模型，研究從復雜、大規模模型到移動設備的算法模型移植的過程。

（5）研發醫養結合智能綜合服務管理平臺并建立應用系統。采用Spark技術框架創建一個多模態、多粒度的檢索與計算服務平臺，基于自然語言處理（natural language processing，NLP）建立計算機能理解的醫療知識圖譜數據庫。研發的應用系統應包括評估分析、預測預警、干預評價等功能，并可通過多種干預模型，實現疾病的早診、早治。

3 功能設計

以互聯網為依托，圍繞老年人主動健康需求，構建基于深度機器學習技術、輔助慢性病管理、康復服務的醫養知識庫系統和云平臺，研發出針對主要健康風險事件的預測新算法和干預新模型?；跀祿治觯瑸槔夏耆酥朴喼悄芑€性化的健康管理方案，解決老年人健康管理專業人員力量不足的問題。醫養結合智能綜合服務管理平臺功能框架如圖3所示。

圖3 醫養結合智能綜合服務管理平臺功能框架圖

3.1 老年人生活及健康風險監測預警系統

老年人生活及健康風險監測預警系統包括基于移動醫療和醫學人工智能技術研發、適用于醫養結合服務模式的老年人健康風險預警知識庫子系統，老年人健康風險預警引擎和決策支持子系統3個部分。

3.1.1 老年人健康風險預警知識庫子系統

通過參考《中國高血壓基層管理指南》《世界衛生組織老年人綜合照護指南》《中國高血壓防治指南》《中國成人血脂異常防治指南》《中國超重/肥胖醫學營養治療專家共識》《中國卒中一級預防指南》等國內外慢病管理和養老服務指標，定義老年人健康風險預警的執行任務集，研發適合于老年人日常照護的健康風險預警專家知識庫，以結構式、流程圖、邏輯關系式等形式，圖形化地表達不同人群生活方式的處方，全面覆蓋生命體征監測、健康狀態評估、慢病危險分層、專業化護理、異常預警、生活方式指導、健康教育、依從性管理、用藥指導、精神和心理干預等內容。通過構建基于指南的臨床知識表達模型，將老年人健康風險預警的知識通過數據流圖的形式進行醫學知識建模，模擬醫生的思維推斷過程，并基于表達模型進行生活方式干預知識的提取和轉化，形成計算機化的臨床指南模型，通過規則轉換器轉化為計算機可執行的預警規則，為服務對象提供專家知識推送。其中，生命體征監測界面如圖4所示。

圖4 生命體征監測界面

3.1.2 老年人健康風險預警引擎和決策支持子系統

從模擬臨床專家的知識結構與診斷方式出發，采用基于知識驅動結合數據驅動的混合智能預警決策技術，開發具有開放式接口的健康風險預警引擎與決策支持子系統。一方面，通過老年人健康風險預警專家知識庫對老年人日常照護過程中的典型健康風險進行規則推斷；另一方面，通過采集所獲得的連續檢測數據，優化推理結果，輔助醫護工作人員為老年人提供個性化的風險預警推薦結論。同時，引入老年人生活干預及慢病干預路徑的電子化管理技術，為老年人的慢病管理、健康咨詢、健康檢查、護理康復、生活照護、精神心理、文化活動等服務提供決策支持[4-5]。

3.2 社區虛擬醫養結合平臺

社區虛擬醫養結合平臺包括互聯網醫療及慢病管理、康復照護、健康信息管理、智能支持和醫養服務評價及改進5個子系統。

3.2.1 健康信息管理子系統

健康信息管理子系統包括健康評估、健康方案和計劃制訂、健康檔案管理3個模塊。

健康評估模塊：基于哈佛癌癥風險指數工作小組開發的個體癌癥風險預測模型，結合個人當年吸煙史、飲酒史、運動史、工作狀況、起居、飲食、既往病史、家族史、現病史、藥物史、基因檢測、最新體檢等數據，采用近似人群大數據分析結果，得出個體慢性病、腫瘤風險預測評估值。

健康方案和計劃制訂模塊：制訂健康管理干預計劃、針對性個性化飲食方案、針對性個性化運動方案。

健康檔案管理模塊：對本年度問卷量表、本年度體檢報告、歷次就醫記錄、電子病歷（影像文檔、檢驗記錄）、用藥記錄、健康監測記錄、基因檢測記錄等個人健康信息進行收集和管理，建立完整的個人健康檔案。

3.2.2 互聯網醫療及慢病管理子系統

本系統包括電子病歷數據庫、看病預約、在線咨詢、健康及檢查數據共享、電子病歷共享、遠程心電、實驗室檢查、醫學影像共享及智能輔助診斷、在線處方、常見病及慢性病復診管理、急診救治快速通道及信息共享、遠程醫療會診、隨訪管理、遠程指導等功能。智能導醫（看病預約）界面如圖5所示，在線咨詢界面如圖6所示。

圖5 智能導醫（看病預約）界面

圖6 在線咨詢界面

3.2.3 康復照護子系統

本系統包括移動護理服務、功能康復、管路護理指導，壓瘡、營養不良、衰弱、疼痛、便秘、尿失禁等老年綜合征的防治服務，失能、失智殘障老年人照護服務和臨終關懷支持。

3.2.4 智能支持子系統

本系統提供包括在線各類服務人員培訓、醫養科普教育、在線簽約家庭醫生及轉診、在線移動結算支付系統、用藥記錄管理、虛擬藥店、養老生活服務、精神和心理服務、智能關懷等功能。智能關懷系統界面如圖7所示。

圖7 智能關懷界面

3.2.5 智能醫養服務評價及改進子系統

本系統包括用戶分類、智能化群體劃分、服務內容模式化管理、智能化任務流轉、智能語音技術的應用、人臉識別技術應用等，主要的服務內容如下：

用戶分類：將用戶按照年齡大?。? a一個階段）、月收入水平（養老生活開支水平）、失能狀況、受教育水平等進行分類，進而確立居家、社區、養老機構模式所對應的適用范圍。

智能化群體劃分：依據養老模式劃分的具體規則，將用戶劃分為多種模式，記錄并歸檔（每年依據實際情況對記錄內容進行修改、編輯和重新劃分）。

服務內容模式化管理：將服務內容分為醫療服務、養老生活服務（物質生活和精神生活）、助殘服務、照護服務等多種服務，并在分類基礎上逐項對服務內容進行等級劃分，即同種服務劃分出高、中、低3個檔次，根據不同養老模式的群體特征有針對性地設立服務標準。以此作為定制化養老服務的基礎，通過對服務內容的分類、分級、確立標準和評審，形成模式化的管理。

智能化任務流轉：確立醫養結合養老服務模式及標準流程，以解決用戶問題為起點，按照服務標準流程進行節點劃分，并建立各節點間的對應關系；依照節點設定任務和執行任務的崗位責任人，確保任務落實到位，形成以服務流程為脈絡的主體聯動，從而實現一體化、自動化的服務管理，確保管理無漏洞、無死角。

人臉識別技術應用：對已采集人臉數據的老年人群體進行人臉識別驗證后，在空中揮手即可自主選擇平臺對應菜單的各項服務，達到鼠標、電視遙控或手指觸摸實現的效果，為行動不便的老年人提供便捷服務。

3.3 社區和居家醫養結合應用及評價設計

3.3.1 建立個體健康畫像

構建包含評價年齡、健康風險、主動健康素養與行動、主動健康支持環境4個維度的主動健康指數，從而對個體進行健康評估和畫像，包括以下4個方面：

（1）年齡，即實際生理年齡、評價年齡（指數評價后的死亡概率轉換）和增長年齡（危險因素干預預期收益）。通過比較實際年齡、評價年齡和增長年齡三者的差別，了解危險因素對壽命的可能影響程度及降低危險因素后壽命的可能增長程度。

（2）健康風險評價。通過收集生理健康、心理健康、社會適應及健康行為的普適性問卷調查信息，人體測量指標，血液生化指標，環境等健康大數據，應用大數據進行健康風險評價，對重大慢病進行預測、預警和反饋[6]。

（3）主動健康素養與行動能力。評價個人獲取和理解主動健康信息和服務，運用這些信息和服務作出正確決策，以維護和促進自身健康的能力。重點評價主動健康行動、對健康服務利用的水平、電子健康資源的利用及對重大慢病和健康危險因素主動干預的能動性和依從性。

（4）主動健康支持環境評估。包括支持性政策環境、防治體系建設、主動健康服務的可及性和可負擔程度。

通過上述4個方面對個體的健康水平進行全方面評估，從而進行個體整體健康狀態的評估和畫像。

3.3.2 人工智能輔助決策

利用采集的序列數據和醫療知識圖譜的信息設計遞歸神經網絡（recursive neural network，RNN），從而達到對患病的潛在風險做到早預測、早預警，實現早診、早治。利用可解釋性模型，解構神經網絡算法的黑盒問題，使其能準確判斷出可能導致發病的一些不良生活方式及心理因素，從而指導患者預防疾病。利用在線學習算法，實時根據采集到的新的個人監測數據自動學習優化現有普遍模型，快速建立具有個性化的模型，并用以提供個性的疾病防控指導和推薦方案[7-8]。

3.3.3 精準醫養結合效果評價

對醫養結合主動健康各方面的費用進行分析，包括執行機構的投入、提供干預措施的衛生專業人員和接受干預人群所需的費用。對所有花費和經濟學的預期估算均考慮到居民消費價格指數，增量成本效益比將依據可預防的慢病及發病前期費用、每減少一個單位生物指標（如體質量、血壓、血糖）等費用來進行估算。評價方法除常用的成本效果分析、成本效益分析和成本效用分析外，還采用權益影響分析對不同地區衛生機構提供醫養結合管理等服務的公平性進行分析。

4 結語

隨著國內人口老齡化趨勢加重，如何利用移動互聯網、大數據、虛擬化、云計算、機器學習、人工智能等技術，加速推進智慧醫療科技創新，保障老年人和慢病患者長期有效地進行健康和疾病管理，成為當前至關重要的研究方向。因此，建設包含社區虛擬醫養結合平臺、老年人生活及健康狀況的電子監測預警系統的醫養結合智能綜合服務管理平臺，可有效整合社區、醫療機構、養老機構等各類醫養服務資源，推動不同服務模式、不同服務群體的需求功能化、資源數據化、服務管理智能化，為國內醫養結合業務的落地提供可靠的技術支持。