BPPV智能輔助診斷系統(tǒng)的開發(fā)與驗證

劉娜韓軍良趙帝付煒謝瑱趙云松張俊嘉孫凡蔣文嬌李朝陽費笑非張赟何風(fēng)趙鋼*

1西安交通大學(xué)第一附屬醫(yī)院（西安710061）

2空軍軍醫(yī)大學(xué)第一附屬醫(yī)院（西安710032）

3西北大學(xué)生命科學(xué)與醫(yī)學(xué)部（西安710069）

4陜西領(lǐng)創(chuàng)精準(zhǔn)醫(yī)療科技有限公司（西安710065）

良性位陣發(fā)性位置性眩暈(Benign Paroxysmal Positional Vertigo,BPPV)是臨床最常見的周圍前庭性疾病之一[1]。眩暈門診就診患者中，約17～ 42%的患者被確診為BPPV[2]，18～ 39歲人群年患病率約為0.5%，60歲以上人群年患病率約為3.4%，女性較男性患病率高[3,4]，多數(shù)中老年患者合并高血壓病、糖尿病等慢性疾病，使得BPPV診斷更加困難[5]。BPPV患者常因頭位變化誘發(fā)眩暈，對生活質(zhì)量帶來了極大的影響。雖然BPPV具有一定的自限性，但也極易復(fù)發(fā)，總復(fù)發(fā)率約為36%[6]。2006年中華醫(yī)學(xué)會耳鼻咽喉頭頸外科分會和中華耳鼻咽喉頭頸外科雜志編委會發(fā)布《良性陣發(fā)性位置性眩暈（benign positional paroxysmal Vertigo，BPPV）的診斷依據(jù)和療效評估》[7]后，我國BPPV檢出率有所增高[8]，但與其他發(fā)作性前庭綜合征，如前庭性偏頭痛、梅尼埃病等疾病的鑒別仍存在一定困難，往往需要詳細的詢問病史及仔細行床旁體格檢查。想要很好的做到相關(guān)疾病的鑒別診斷，不僅需要規(guī)范扎實的眩暈知識基礎(chǔ)，也需要很強的眩暈診療實踐經(jīng)驗，這對診療醫(yī)生有很高的技術(shù)水平要求。

近年來，人工智能已廣泛應(yīng)用于輔助診斷、圖像識別、新藥研發(fā)等多個醫(yī)療領(lǐng)域，為很多疾病的診治提供新的解決方法[9]。有關(guān)眩暈的輔助診斷系統(tǒng)，早在20世紀(jì)80年代就有學(xué)者研發(fā)，例如輔助診斷周圍前庭性眩暈的“Vertigo”系統(tǒng)[10]，通過問卷調(diào)查形式采集患者信息，然后對信息進行整合，依據(jù)早期設(shè)置的規(guī)則，給出可能的診斷結(jié)果，但存在的問題在于系統(tǒng)納入的臨床數(shù)據(jù)不足，其診斷結(jié)果的可參考性較差[11]。另外一種專家系統(tǒng)“ONE”[12]，通過對引起眩暈疾病的癥狀、體征和檢查結(jié)果進行加權(quán)評分，評分最高的成為最可能的診斷結(jié)果。它的診斷符合率達65%[13]，可靠性與特異性明顯高于“Vertigo”系統(tǒng)。后期Kentala等專家在ONE數(shù)據(jù)庫的基礎(chǔ)上通過決策樹建立診斷模型，對99%的眩暈患者進行了正確分類[14]。以上智能輔助診斷方式為臨床醫(yī)生診斷眩暈帶來便利，但目前尚未報道只針對BPPV設(shè)立的診斷系統(tǒng)。我們擬基于人工智能探索建立一個針對BPPV的智能輔助診斷系統(tǒng)，協(xié)助臨床醫(yī)生明確診療思路、規(guī)范診療行為，提高BPPV診斷符合率。

1 方法

1.1 建立BPPV智能輔助診斷專家系統(tǒng)

BPPV智能輔助診斷系統(tǒng)的實現(xiàn)，需要建立知識庫、設(shè)計BPPV專家系統(tǒng)診斷模型和程序研發(fā)與實現(xiàn)三個步驟。

（1）建立知識庫。在閱讀大量有關(guān)BPPV文獻、綜述、書籍的基礎(chǔ)上，整理2015年巴拉尼協(xié)會（Bárány Society）前庭疾病分類委員會關(guān)于BPPV的診斷標(biāo)準(zhǔn)[15]、2017年巴拉尼協(xié)會前庭疾病分類委員會關(guān)于BPPV的診斷標(biāo)準(zhǔn)[16]和我國《BPPV診斷和治療指南(2017)》[17]等診療標(biāo)準(zhǔn)，并在2017年12月-2019年3月期間跟隨西京醫(yī)院眩暈專家收集BPPV臨床診治經(jīng)驗以及病例信息，對BPPV患者眩暈的特點、持續(xù)時間、發(fā)作頻次、誘發(fā)因素、伴隨癥狀、查體、輔助檢查等特征進行總結(jié)。

（2）設(shè)計BPPV專家系統(tǒng)診斷模型。將BPPV的重要診斷內(nèi)容進行梳理，設(shè)定相關(guān)參數(shù)，分為一級參數(shù)、二級參數(shù)、三級參數(shù)和四級參數(shù)。一級參數(shù)為眩暈的形式、特點、既往史、家族史、查體和檢查。其中暈的形式的二級參數(shù)為自身或環(huán)境的旋轉(zhuǎn)擺動感、頭腦不清晰感等。暈的特點的二級參數(shù)為持續(xù)時間、發(fā)作次數(shù)、發(fā)作頻率、誘發(fā)因素、伴隨癥狀、緩解因素。查體的二級參數(shù)有一般查體、耳科查體、神經(jīng)系統(tǒng)查體、神經(jīng)耳科學(xué)查體。各參數(shù)均下設(shè)三、四級參數(shù)（對內(nèi)容的詳細解釋參數(shù)），其中誘發(fā)因素的三級參數(shù)為起臥床、側(cè)翻身、頭部轉(zhuǎn)動、快速行走、噪聲、光等，伴隨癥狀的三級參數(shù)為耳蝸癥狀、頭痛、神經(jīng)系統(tǒng)受損癥狀、自主神經(jīng)功能紊亂、睡眠情緒障礙等。然后對這些參數(shù)分別進行加權(quán)評分，同時設(shè)定最低診斷分?jǐn)?shù)。依據(jù)以上信息模擬眩暈專家診斷疾病的邏輯思維，建立BPPV專家系統(tǒng)診斷模型。

（3）程序研發(fā)與實現(xiàn)。與軟件開發(fā)人員討論分析設(shè)計好的診斷模型，共同完成軟件開發(fā)，其中包含了整個疾病所需的診療過程，如問診包含的暈的形式、暈的特點、既往史、家族史，查體中尤為重要的神經(jīng)耳科學(xué)查體（Dix-Hallpike實驗、Roll test實驗）等，檢查中需要的純音測聽、視頻眼震電圖、視頻頭脈沖檢查等。以上內(nèi)容完全符合醫(yī)生問診的思維過程，醫(yī)生在問診后勾選相關(guān)參數(shù)，以確保問診信息規(guī)范統(tǒng)一，最后給出診療建議，該診療建議可具體到半規(guī)管病變的部位（左右后半規(guī)管BPPV或左右水平半規(guī)管BPPV），但對于較少見的前半規(guī)管病變尚未涉及。系統(tǒng)給出的進一步治療建議，可以指導(dǎo)臨床醫(yī)生完善后續(xù)檢查，也可指導(dǎo)醫(yī)生對患者進行手法復(fù)位。臨床醫(yī)生只需在手機上下載APP即可使用該系統(tǒng)進行輔助診斷，具有便捷快速的優(yōu)點。

1.2 對建立的系統(tǒng)進行驗證

通過回顧性收集西京醫(yī)院眩暈門診2017年1月-2018年1月的病例，對BPPV智能輔助診斷系統(tǒng)進行驗證。首先用30例BPPV確診病例對初步建立的BPPV智能輔助診斷系統(tǒng)，進行校正優(yōu)化，使之更加切合臨床工作。然后用100例BPPV確診病例對其診斷的符合率進行驗證（以西京醫(yī)院眩暈專家診斷為金標(biāo)準(zhǔn)）。經(jīng)測試，系統(tǒng)診斷符合率高達98%。用來優(yōu)化和驗證系統(tǒng)的病例均保護了患者的隱私，不顯示患者姓名等身份信息。

1.3 對完成優(yōu)化的系統(tǒng)通過臨床實踐驗證其診斷效能

我們準(zhǔn)備了20份來自四家不同醫(yī)院經(jīng)眩暈專家確診的BPPV病例，分別納入兩組臨床醫(yī)生進行測試，每組10人。A組為神經(jīng)內(nèi)科醫(yī)師5人，耳鼻喉科醫(yī)師5人，其中8位醫(yī)生接受過BPPV診治培訓(xùn)。B組為普通大內(nèi)科醫(yī)師10人，其中3位醫(yī)生對BPPV有耳聞，但未深入學(xué)習(xí)，7位醫(yī)生完全不了解BPPV。每次隨機抽取10份BPPV病例，與20份其他原因造成的眩暈病例相混淆。A、B兩組醫(yī)生分別瀏覽病例進行診斷，C組應(yīng)用BPPV智能輔助診斷系統(tǒng)進行診斷。最后比較不同組對BPPV診斷的符合率。

1.4 統(tǒng)計學(xué)方法

使用SPSS 23.0對本研究所得數(shù)據(jù)進行分析和處理。計數(shù)資料使用χ2檢驗，以[n(%)]表示，P＜0.05為差異有統(tǒng)計學(xué)意義。

2 結(jié)果

2.1 成功建立BPPV智能輔助診斷系統(tǒng)

成功建立了BPPV智能輔助診斷系統(tǒng)（如圖1），它可以在輸入患者基本信息和點選病例參數(shù)后即時給出診療建議，在查體參數(shù)詳細的情況下可以對病變部位予以判斷。從系統(tǒng)后臺提取的數(shù)據(jù)中，我們發(fā)現(xiàn)，在BPPV診療過程中起病形式、發(fā)作時間、誘發(fā)因素、變位試驗等參數(shù)在診斷中具有更高的價值。

圖1 軟件應(yīng)用界面Fig.1 APP UI

2.2 不同組別對BPPV診斷符合率的比較

以專家診斷為金標(biāo)準(zhǔn)，三組符合率整體比較，差異顯著（χ2=50.278，P=0.000）。其中A組符合率明顯高于 B組（χ2=24.754，P=0.000）。A 組（χ2=6.405，P=0.011）和B組（χ2=45.268，P=0.000）符合率均明顯低于C組。見表1-4。

表1 A組對BBPV的診斷符合率[n(%)]Table 1 Diagnostic accuracy of BBPV in group A[n(%)]

表2 B組對BBPV的診斷符合率[n(%)]Table 2 Diagnostic accuracy of BBPV in group B[n(%)]

表3 C組對BBPV的診斷符合率[n(%)]Table 3 Diagnostic accuracy of group C on BBPV[n(%)]

表4 三種不同診斷方法對BBPV的診斷符合率比較[n(%)]Table 4 Diagnostic accuracy of three diagnostic approach on BBPV[n(%)]

3 討論

3.1 BPPV智能輔助診斷系統(tǒng)的應(yīng)用價值

BPPV為眩暈疾病中最多見的病種之一，約占門診頭暈患者的16.3%[18]，BPPV的年發(fā)病率為（10.7-64.0）/10.0萬，能接受恰當(dāng)治療的患者約占10%-20%，誤診誤治及延誤治療特別常見[19]。治療后6個月的復(fù)發(fā)率為5-13.5%，1年的復(fù)發(fā)率為10-18%，對患者造成了極大的負擔(dān)[3]。而BPPV的診治依靠醫(yī)生的認(rèn)知程度與復(fù)位技巧[20]。為使患者有更好的就醫(yī)體驗，使臨床醫(yī)生尤其是基層醫(yī)生在接診眩暈患者時，能很快分辨出BPPV，現(xiàn)在我們建立了BPPV智能輔助診斷系統(tǒng)，雖然國外已經(jīng)有學(xué)者研發(fā)了輔助診斷眩暈的相關(guān)軟件，并且診斷符合率較高，但在國內(nèi)還不能普及應(yīng)用。我們開發(fā)的診斷系統(tǒng)以手機、iPad端展示給臨床醫(yī)生，方便、快捷，診斷符合率高。通過建立該系統(tǒng)發(fā)現(xiàn)，在BPPV的診斷過程中，其起病形式、發(fā)作時間、誘發(fā)因素以及神經(jīng)耳科學(xué)查體中的變位試驗具有更高的價值。同時，對于基層醫(yī)師而言，該智能輔助診斷系統(tǒng)可以幫助其建立良好的診斷思維，快速獲得診斷意見。對眩暈診治的規(guī)范化能起到很好的助推作用。所以BPPV智能輔助診斷系統(tǒng)對BPPV的診斷達到了我們的預(yù)期目標(biāo)。

3.2 BPPV智能輔助診斷系統(tǒng)的不足

該系統(tǒng)尚有不足與遺憾，首先它目前只是一個專家系統(tǒng)，還沒有進行機器學(xué)習(xí)，我們會不斷收集新的臨床數(shù)據(jù)，在大數(shù)據(jù)的條件下，為機器學(xué)習(xí)提供條件。其次該系統(tǒng)目前只能對BPPV做出智能輔助診斷，仍有多種眩暈疾病未能包括，我們正在研發(fā)更多引起眩暈的疾病的智能輔助診斷，只有這樣才能更好的應(yīng)用于臨床實踐，為廣大基層醫(yī)生服務(wù)。

4 結(jié)論

通過本研究，成功建立了BPPV智能輔助診斷系統(tǒng)，對臨床醫(yī)生，尤其是基層醫(yī)生提供了很大的幫助。希望在日后的工作中該系統(tǒng)不斷完善，更好的應(yīng)用于臨床實踐。

致謝

在此衷心感謝導(dǎo)師趙鋼教授，從課題的開題，到軟件的實現(xiàn)與測驗，給予了我啟迪與指導(dǎo)。感謝韓軍良教授幫助我認(rèn)識了眩暈，梳理了眩暈診療思路和診療參數(shù)的權(quán)重。感謝趙鋼教授的人工智能團隊及韓軍良教授的眩暈團隊所有兄弟姐妹給予我的技術(shù)支持和寫作幫助。