醫(yī)院人工智能傳染病預(yù)警系統(tǒng)的設(shè)計(jì)與應(yīng)用

楊友林 胡 鑫 袁景山

公立醫(yī)療機(jī)構(gòu)是突發(fā)公共衛(wèi)生事件防控救治體系的主力軍，承擔(dān)著各方救治和防控的重任。目前，多數(shù)公立醫(yī)療機(jī)構(gòu)缺乏有效的技術(shù)手段對(duì)新發(fā)傳染病進(jìn)行高效跟蹤、篩查和預(yù)測。因此，積極應(yīng)用大數(shù)據(jù)、人工智能等信息技術(shù)對(duì)疫情進(jìn)行有效跟蹤、篩查及預(yù)判，建立醫(yī)院人工智能傳染病預(yù)警系統(tǒng)，切實(shí)做到預(yù)防為主、關(guān)口前移以及防治結(jié)合具有重要意義[1-2]。為此，本研究設(shè)計(jì)醫(yī)院人工智能傳染病預(yù)警系統(tǒng)，為公立醫(yī)療機(jī)構(gòu)高效跟蹤、篩查和預(yù)測新發(fā)傳染病提供有效的技術(shù)手段。

1 醫(yī)院人工智能傳染病預(yù)警系統(tǒng)設(shè)計(jì)

1.1 系統(tǒng)邏輯結(jié)構(gòu)

醫(yī)院人工智能傳染病預(yù)警系統(tǒng)包括數(shù)據(jù)采集系統(tǒng)、傳染病分析系統(tǒng)、傳染病預(yù)警系統(tǒng)以及用戶統(tǒng)一認(rèn)證中心4個(gè)子系統(tǒng)，其邏輯結(jié)構(gòu)見圖1。

1.1.1 數(shù)據(jù)采集系統(tǒng)

圖1 醫(yī)院人工智能傳染病預(yù)警系統(tǒng)邏輯結(jié)構(gòu)

負(fù)責(zé)對(duì)內(nèi)實(shí)時(shí)采集醫(yī)院門診日志，制定統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)，對(duì)外提供標(biāo)準(zhǔn)數(shù)據(jù)接口和標(biāo)準(zhǔn)數(shù)據(jù)模板，充分考慮擴(kuò)展性，一旦推廣應(yīng)用，各醫(yī)院只需按照標(biāo)準(zhǔn)的數(shù)據(jù)接口接入或下載標(biāo)準(zhǔn)數(shù)據(jù)模板填報(bào)，系統(tǒng)即可實(shí)時(shí)采集各家醫(yī)院的信息。系統(tǒng)采集的主要數(shù)據(jù)信息有：患者個(gè)人基本信息、門診日志(發(fā)熱門診)、病歷記錄、治療記錄、影像數(shù)據(jù)、檢驗(yàn)數(shù)據(jù)及其他相關(guān)數(shù)據(jù)。

1.1.2 傳染病分析系統(tǒng)

負(fù)責(zé)對(duì)采集數(shù)據(jù)進(jìn)行處理、傳染病特征分析、患者發(fā)病特征分析、挖掘潛在的患者和潛在高危人群、分析結(jié)果實(shí)時(shí)以及多維度展示。系統(tǒng)打破傳統(tǒng)的規(guī)則模型，運(yùn)用大數(shù)據(jù)、人工智能等先進(jìn)信息技術(shù)建立“大數(shù)據(jù)條件分析模型”，對(duì)數(shù)據(jù)進(jìn)行清洗、加工和統(tǒng)計(jì)分析，實(shí)時(shí)挖掘潛在新發(fā)傳染病患者和潛在高危人群、潛在可能出現(xiàn)的傳染病以及潛在其他疾病危險(xiǎn)，向相關(guān)職能科室和醫(yī)學(xué)專家進(jìn)行展示。

1.1.3 傳染病預(yù)警系統(tǒng)

用于設(shè)置預(yù)警參數(shù)、實(shí)時(shí)預(yù)警及傳染病態(tài)勢感知。積累歷史傳染病防控經(jīng)驗(yàn)，結(jié)合相關(guān)癥狀從時(shí)間、空間在傳染病預(yù)警系統(tǒng)設(shè)置預(yù)警參數(shù)閾值，當(dāng)某種發(fā)病癥狀達(dá)到閾值，系統(tǒng)進(jìn)行主動(dòng)預(yù)警，并自動(dòng)向相關(guān)職能部門發(fā)送預(yù)警通知[3]。從傳染病發(fā)病特征、時(shí)間分布、地理區(qū)域分布等維度分析展示傳染病態(tài)勢，為新發(fā)傳染病的防控提供第一手?jǐn)?shù)據(jù)支撐。

1.1.4 用戶統(tǒng)一認(rèn)證中心

負(fù)責(zé)統(tǒng)一進(jìn)行認(rèn)證應(yīng)用配置、機(jī)構(gòu)和(或)科室維護(hù)、用戶-角色-權(quán)限分配以及登錄認(rèn)證。

1.2 主要技術(shù)路線

醫(yī)院人工智能傳染病預(yù)警系統(tǒng)采用瀏覽器與服務(wù)器(browser/server，B/S)架構(gòu)，系統(tǒng)部署后通過瀏覽器進(jìn)行使用。包括表現(xiàn)層、服務(wù)層、技術(shù)層、數(shù)據(jù)層4個(gè)技術(shù)分層，其技術(shù)架構(gòu)見圖2。

圖2 醫(yī)院人工智能傳染病預(yù)警系統(tǒng)技術(shù)架構(gòu)

1.2.1 統(tǒng)一數(shù)據(jù)采集方式

采集患者基本信息、門診日志(發(fā)熱門診)、病歷記錄、治療記錄、影像數(shù)據(jù)以及檢驗(yàn)檢查數(shù)據(jù)[4-5]。針對(duì)數(shù)據(jù)采集存在數(shù)據(jù)量大、標(biāo)準(zhǔn)不一致、實(shí)時(shí)性要求高等問題，制定一套統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)、數(shù)據(jù)接口，搭建醫(yī)院人工智能預(yù)警系統(tǒng)PAAS平臺(tái)，各醫(yī)療機(jī)構(gòu)按照接口標(biāo)準(zhǔn)接入即可實(shí)現(xiàn)數(shù)據(jù)的實(shí)時(shí)采集[6]。

1.2.2 數(shù)據(jù)分析及挖掘方式

系統(tǒng)對(duì)采集的數(shù)據(jù)進(jìn)行清洗、加工及結(jié)構(gòu)化存儲(chǔ)，采用自然語言處理(natural language processing，NLP)技術(shù)對(duì)發(fā)病特征、治療記錄、病歷信息等進(jìn)行語義分析，提取病史、癥狀特征、診斷、檢查結(jié)果及治療等關(guān)鍵詞，用詞向量將非線性回歸到線性分類，運(yùn)用確定有窮永動(dòng)機(jī)(deterministic finite automaton，DFA)算法、支持向量機(jī)(support vector machine，SVM)等機(jī)器學(xué)習(xí)算法訓(xùn)練模型，挖掘潛在新發(fā)傳染病患者和潛在的高危人群，并定期自動(dòng)更新模型訓(xùn)練樣本、調(diào)整模型參數(shù)，自動(dòng)進(jìn)行模型訓(xùn)練自動(dòng)學(xué)習(xí)，其數(shù)據(jù)挖掘流程見圖3。

圖3 數(shù)據(jù)挖掘流程

1.2.3 新發(fā)傳染病預(yù)警提示

系統(tǒng)通過商業(yè)智能(business intelligence，BI)可視化從發(fā)病癥狀、治療情況、區(qū)域分布、單位分布、職業(yè)分布、年齡分布、性別分布等多個(gè)維度呈現(xiàn)傳染病態(tài)勢、發(fā)病癥狀態(tài)勢和治療態(tài)勢[6-7]；系統(tǒng)可設(shè)置預(yù)警閾值，使用短信、郵件的方式自動(dòng)發(fā)送預(yù)警通知，及時(shí)通知相關(guān)職能部門，提高醫(yī)療機(jī)構(gòu)對(duì)新發(fā)傳染病的識(shí)別能力[8-9]。新發(fā)傳染病預(yù)警可視化架構(gòu)見圖4。

圖4 新發(fā)傳染病預(yù)警可視化架構(gòu)圖

1.2.4 加強(qiáng)醫(yī)院數(shù)據(jù)安全

以虛擬化技術(shù)為核心，利用計(jì)算虛擬化、存儲(chǔ)虛擬化、網(wǎng)絡(luò)虛擬化等模塊，將方法計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)等虛擬資源融合到一臺(tái)標(biāo)準(zhǔn)X86服務(wù)器中，形成基礎(chǔ)架構(gòu)單元，搭建超融合私有云，并利用云安全組件搭建信息安全防御體系，包括堡壘機(jī)、安全套接層(security socket layer，SSL)、虛擬專用網(wǎng)(virtual private network，VPN)及防火墻等[10]。超融合體系架構(gòu)見圖5。

圖5 超融合體系架構(gòu)

2 醫(yī)院人工智能傳染病預(yù)警系統(tǒng)優(yōu)勢

應(yīng)用醫(yī)院人工智能傳染病預(yù)警系統(tǒng)可充分發(fā)揮醫(yī)院信息化技術(shù)優(yōu)勢，提高區(qū)域內(nèi)新發(fā)傳染病防控工作效率和質(zhì)量，實(shí)現(xiàn)信息快速溝通，整合各醫(yī)療機(jī)構(gòu)率先形成橫向到邊、縱向到底的新發(fā)傳染病在線預(yù)警網(wǎng)絡(luò)，實(shí)現(xiàn)疫情防控期間的統(tǒng)一調(diào)度、方案共享、救治指導(dǎo)、疫情預(yù)警等方面的快速響應(yīng)[11-12]。

2.1 疫情信息可視化集中呈現(xiàn)

為地方政府制定決策和部署工作提供數(shù)據(jù)支撐；同時(shí)，地方政府可根據(jù)疫情實(shí)時(shí)發(fā)展態(tài)勢，實(shí)現(xiàn)“大數(shù)據(jù)疫情防控指揮統(tǒng)籌兼顧、局部疫情優(yōu)先調(diào)度”的功能。

2.2 實(shí)現(xiàn)應(yīng)對(duì)新發(fā)傳染病的統(tǒng)一調(diào)度

提供最快捷、準(zhǔn)確的信息傳輸通道，實(shí)現(xiàn)疫情信息實(shí)時(shí)快速精準(zhǔn)地上傳下達(dá)，確保從中央到地方的決策部署第一時(shí)間傳達(dá)到基層，有效遏制新發(fā)傳染病疫情傳播。

2.3 完善突發(fā)公共衛(wèi)生事件應(yīng)急體系

彌補(bǔ)現(xiàn)有傳染病報(bào)告卡僅對(duì)已知疾病診斷編碼的判斷結(jié)果，對(duì)于新型疾病的確認(rèn)時(shí)間周期長，上報(bào)逐級(jí)審核匯總再上報(bào)，人為干擾因素太多，無法實(shí)現(xiàn)應(yīng)對(duì)突發(fā)大規(guī)模傳染病流行的缺陷。

2.4 保障敏感數(shù)據(jù)安全

為政府部門、醫(yī)療機(jī)構(gòu)、疾病預(yù)防控制中心等疫情防控單位提供數(shù)據(jù)安全技術(shù)支撐，保障數(shù)據(jù)規(guī)范使用，防范網(wǎng)絡(luò)安全突發(fā)事件，為疫情防控工作提供可靠支撐。

3 結(jié)論

醫(yī)院人工智能傳染病預(yù)警系統(tǒng)有利于新發(fā)傳染病確診和疑似病歷匯聚分析，可服務(wù)于疫情防控、臨床救治和科研攻關(guān)，對(duì)疫情發(fā)展進(jìn)行高效跟蹤、篩查及預(yù)測，為科學(xué)防治、精準(zhǔn)施策和便民服務(wù)提供有力支撐。醫(yī)院人工智能傳染病預(yù)警系統(tǒng)可在各級(jí)衛(wèi)生健康主管部門使用，為疾病的科學(xué)防治、精準(zhǔn)施策和便民服務(wù)提供有力支撐。