區(qū)塊鏈和人工智能驅(qū)動(dòng)的腦血管病診療和質(zhì)量管理決策范式研究

王孟，韓穎，李子孝，，4，5

腦血管病是我國(guó)成人死亡和致殘的首位病因[1]，1990-2017年我國(guó)腦血管病患病率和發(fā)病率呈持續(xù)上升趨勢(shì)[2-3]。2017年因腦血管病醫(yī)療支出接近1400億元人民幣，構(gòu)成重大的公共衛(wèi)生問(wèn)題[4]。2005-2015年我國(guó)住院醫(yī)療服務(wù)需求增加接近6倍[5]，但醫(yī)療診療和質(zhì)量水平落后，靜脈溶栓和心房顫動(dòng)抗凝等診療決策執(zhí)行率僅為20%～30%[6-9]，而同期我國(guó)從事腦血管病診療的神經(jīng)科醫(yī)師數(shù)量?jī)H增加了2倍[10]。醫(yī)療資源總量供給和優(yōu)質(zhì)醫(yī)療資源供給嚴(yán)重不足，制約著廣大腦血管病患者日益增長(zhǎng)的優(yōu)質(zhì)醫(yī)療服務(wù)的需求。醫(yī)療衛(wèi)生人員是醫(yī)藥衛(wèi)生供給側(cè)最主要的要素之一，如何提升醫(yī)療衛(wèi)生人員的腦血管病診斷和治療水平，提供高效而優(yōu)質(zhì)的醫(yī)療服務(wù)，對(duì)滿足我國(guó)廣大腦血管病患者日益增長(zhǎng)的優(yōu)質(zhì)醫(yī)療服務(wù)需求至關(guān)重要。

1 腦血管病管理決策范式轉(zhuǎn)變

1.1 傳統(tǒng)以管理流程為主的線性范式 《中國(guó)腦血管病臨床管理指南》推薦的腦血管病診療方法與醫(yī)師臨床實(shí)踐之間還存在巨大鴻溝，如何彌合鴻溝，及時(shí)、高效地將這些循證方法向臨床轉(zhuǎn)化，從而進(jìn)一步降低腦血管病復(fù)發(fā)率、致殘率和死亡率[11]，亟須通過(guò)建立醫(yī)療決策管理方法解決這一重大問(wèn)題。研究顯示以管理流程為主的線性范式包括臨床路徑等可有效地改善腦血管病醫(yī)療質(zhì)量和患者結(jié)局[12-13]。通過(guò)多中心整群隨機(jī)對(duì)照研究證實(shí)，基于臨床路徑、標(biāo)準(zhǔn)化操作手冊(cè)等建立的腦血管病診療流程管理的線性范式，腦血管病患者1年復(fù)發(fā)率相對(duì)下降28%，致殘率相對(duì)下降26%[14]。

傳統(tǒng)以管理流程為主的線性范式存在以下不足：①增加臨床醫(yī)師工作量：需要臨床醫(yī)師在完成常規(guī)臨床病歷書(shū)寫等工作時(shí)，二次錄入用于反映腦血管病醫(yī)療質(zhì)量診斷和治療信息的基本數(shù)據(jù)；②醫(yī)療質(zhì)量反饋存在滯后性：由于數(shù)據(jù)需要患者出院后二次錄入，不能實(shí)時(shí)反饋，存在滯后性；③外部數(shù)據(jù)要素嵌入不足：多模影像等特征、更新的指南推薦因素對(duì)于醫(yī)療決策有重要作用，但以線性范式為主的管理決策并未能及時(shí)整合上述要素，不能做到全景式的多維交互以及全要素參與，造成決策效能下降；④數(shù)據(jù)安全和可溯源性差：對(duì)于二次錄入的病歷數(shù)據(jù)的安全性和可溯源性問(wèn)題，存在選擇性上報(bào)等偏移風(fēng)險(xiǎn)，醫(yī)師和研究人員無(wú)法根據(jù)需要自動(dòng)調(diào)取原始數(shù)據(jù)記錄信息。

1.2 大數(shù)據(jù)驅(qū)動(dòng)的管理決策范式 信息科技的飛速發(fā)展和深度融合開(kāi)啟了健康醫(yī)療數(shù)字化的新篇章，醫(yī)療健康進(jìn)入了大數(shù)據(jù)的時(shí)代[15]，成為開(kāi)展精準(zhǔn)診療、質(zhì)量管理和人工智能研究的重要基礎(chǔ)[16]。我國(guó)約有1100萬(wàn)例現(xiàn)存腦血管病患者，年門診人次數(shù)和住院人次數(shù)分別達(dá)1.2億和448萬(wàn)，產(chǎn)生包括臨床電子病歷、實(shí)驗(yàn)室檢測(cè)、醫(yī)學(xué)影像、生物樣本等腦血管病醫(yī)療大數(shù)據(jù)[17]。通過(guò)引入多模影像特征、指南決策要素等外部變量，與臨床特征決策要素形成廣義的臨床大數(shù)據(jù)，指導(dǎo)精細(xì)化腦血管病診療和質(zhì)量管理[18]。首先，通過(guò)人工智能、知識(shí)工程基礎(chǔ)和新技術(shù)等的逐步應(yīng)用，使得腦血管病臨床診斷、病因分類、診療決策和醫(yī)療質(zhì)量管理等以更細(xì)粒度的數(shù)據(jù)形式呈現(xiàn)，進(jìn)而整個(gè)腦血管病的診療和質(zhì)量管理決策的“像素”得到顯著提升；其次，這些“像素”的提升促進(jìn)了數(shù)字“成像”的發(fā)展，通過(guò)數(shù)據(jù)世界可以更清晰地描繪腦血管病真實(shí)世界診療和質(zhì)量管理活動(dòng)的情景，進(jìn)而基于數(shù)據(jù)的決策分析，成為使能創(chuàng)新的核心競(jìng)爭(zhēng)力，使腦血管病診療和質(zhì)量管理決策從管理流程為主的線性范式向以數(shù)據(jù)驅(qū)動(dòng)扁平化互動(dòng)范式轉(zhuǎn)變，對(duì)腦血管病診療和質(zhì)量管理產(chǎn)生深刻影響。

基于智能合約區(qū)塊鏈的醫(yī)院信息系統(tǒng)數(shù)據(jù)平臺(tái)建設(shè)已逐步在國(guó)內(nèi)開(kāi)展[19]，如何利用包括數(shù)據(jù)在個(gè)體醫(yī)院內(nèi)部分布式存儲(chǔ)，保障數(shù)據(jù)安全、可溯源以及實(shí)時(shí)反饋，實(shí)現(xiàn)與臨床診療流程無(wú)縫融合和互動(dòng)，促進(jìn)腦血管病診療和質(zhì)量管理決策情景向大數(shù)據(jù)驅(qū)動(dòng)范式發(fā)展，對(duì)實(shí)現(xiàn)高效而優(yōu)質(zhì)的遵循指南的腦血管病診治醫(yī)療服務(wù)至關(guān)重要。

2 基于人工智能的腦血管病臨床診療決策

隨著醫(yī)療健康大數(shù)據(jù)的不斷積累，人工智能（artificial intelligence，AI）技術(shù)迅猛發(fā)展并廣泛應(yīng)用于醫(yī)療領(lǐng)域?；谌斯ぶ悄芗夹g(shù)對(duì)大量數(shù)據(jù)進(jìn)行學(xué)習(xí)從而構(gòu)建腦血管病影像標(biāo)志物和預(yù)后預(yù)測(cè)模型等，逐漸成為大數(shù)據(jù)時(shí)代腦血管病精準(zhǔn)醫(yī)療的熱點(diǎn)與趨勢(shì)[20]。臨床決策支持系統(tǒng)（clinical decision support system，CDSS）利用計(jì)算機(jī)技術(shù)及時(shí)、高效地將人類專家智能和循證知識(shí)融合，通過(guò)計(jì)算機(jī)系統(tǒng)來(lái)輔助醫(yī)師做出臨床決策，將患者臨床信息與知識(shí)庫(kù)相匹配，協(xié)助疾病診斷，依據(jù)指南給出最優(yōu)的診療方案，并可以通過(guò)實(shí)時(shí)提示干預(yù)診療流程，從而減少醫(yī)療差錯(cuò)、提高醫(yī)療質(zhì)量[21]。在腦血管病病因診斷方面，由于影像等數(shù)據(jù)判讀缺乏統(tǒng)一標(biāo)準(zhǔn)，受醫(yī)師個(gè)人經(jīng)驗(yàn)水平影響，利用機(jī)器學(xué)習(xí)自動(dòng)提取標(biāo)準(zhǔn)化的神經(jīng)影像特征[22]，并通過(guò)自然語(yǔ)言提取技術(shù)自動(dòng)提取電子病歷信息，可以獲取真實(shí)、準(zhǔn)確的患者信息，從而提高診斷的準(zhǔn)確性[23]。在臨床輔助決策方面，基于警報(bào)的計(jì)算機(jī)決策支持工具，可以提高住院患者治療的指南依從性[24]。Viz.ai公司開(kāi)發(fā)的人工智能臨床輔助決策工具，可自動(dòng)分析CT血管造影發(fā)現(xiàn)可疑的大血管閉塞，從而為再灌注治療提供快速?zèng)Q策支持[25]。

通過(guò)基于人工智能的臨床診療決策系統(tǒng)，融合臨床信息、影像和最新指南推薦內(nèi)部和外部等醫(yī)療大數(shù)據(jù)，指導(dǎo)臨床決策和質(zhì)量管理，對(duì)提升腦血管病診療水平具有重要意義。可能成為解決基層醫(yī)療資源短缺、促進(jìn)醫(yī)療服務(wù)優(yōu)質(zhì)化的有效技術(shù)增強(qiáng)范式。

3 區(qū)塊鏈和人工智能驅(qū)動(dòng)的腦血管病診療和質(zhì)量管理決策

區(qū)塊鏈采用分布式的數(shù)據(jù)存儲(chǔ)、點(diǎn)對(duì)點(diǎn)傳輸、共識(shí)機(jī)制、加密算法等計(jì)算機(jī)技術(shù)，實(shí)現(xiàn)去中心化的分布式結(jié)構(gòu)的醫(yī)療數(shù)據(jù)共享，為數(shù)據(jù)存儲(chǔ)傳輸、溯源性、安全性等提供了良好的解決方案[26-27]。在醫(yī)院間實(shí)現(xiàn)去中心化并最終形成統(tǒng)一標(biāo)準(zhǔn)的數(shù)據(jù)分中心，為進(jìn)一步的醫(yī)療數(shù)據(jù)處理和開(kāi)展人工智能應(yīng)用奠定基礎(chǔ)[28]。此外，通過(guò)基于算法路由的數(shù)據(jù)計(jì)算，傳輸?shù)牟皇菙?shù)據(jù)本身，而是子算法及其計(jì)算結(jié)果，即“算法跑路代替數(shù)據(jù)跑路”，避免數(shù)據(jù)泄露及由網(wǎng)絡(luò)傳輸速度造成的性能低下等問(wèn)題。

區(qū)塊鏈和人工智能兩種大數(shù)據(jù)技術(shù)融合用于心腦血管疾病的慢性病管理，已成為技術(shù)趨勢(shì)[29]。人工智能決策系統(tǒng)結(jié)合區(qū)塊鏈技術(shù)，建立智能合約管理系統(tǒng)，通過(guò)在區(qū)塊鏈上運(yùn)行智能合約，實(shí)現(xiàn)心腦血管病診療和質(zhì)量管理決策情景的多方協(xié)同計(jì)算，可以最終確保合約執(zhí)行的可控性與可追溯性，使得數(shù)據(jù)交換參與方之間充分信任。人工智能依賴于大數(shù)據(jù)并可服務(wù)于數(shù)據(jù)應(yīng)用，區(qū)塊鏈?zhǔn)切滦偷姆植际綌?shù)據(jù)庫(kù)技術(shù)，區(qū)塊鏈和人工智能的融合可以大大提升人工智能算法的數(shù)據(jù)可用性，有助于打造出高效的醫(yī)療生態(tài)系統(tǒng)。在應(yīng)用層面，通過(guò)區(qū)塊鏈技術(shù)部署基于人工智能的腦血管病診療和質(zhì)量管理算法，能夠?qū)⒓赏獠繉＜医?jīng)驗(yàn)和指南知識(shí)的智能化輔助決策工具，實(shí)現(xiàn)人工智能、區(qū)塊鏈等大數(shù)據(jù)處理技術(shù)在腦血管病診療和質(zhì)量管理決策的有效應(yīng)用。已有研究團(tuán)隊(duì)利用區(qū)塊鏈技術(shù)，探索采用“模型投放”——即算法流替代數(shù)據(jù)傳輸?shù)乃枷耄詤^(qū)塊鏈和智能合約技術(shù)為依托，整合安全沙箱、解密、摘要生成等關(guān)鍵技術(shù)，開(kāi)展基于醫(yī)院信息系統(tǒng)數(shù)據(jù)的腦血管病診療決策和質(zhì)量評(píng)價(jià)，實(shí)現(xiàn)在多中心協(xié)作和敏感信息受控場(chǎng)景中，為診療和質(zhì)量管理決策奠定技術(shù)支撐[30]。

4 小結(jié)

傳統(tǒng)管理流程線性范式為主的腦血管病診療和質(zhì)量管理決策存在臨床醫(yī)師工作量重，依從性不佳，數(shù)據(jù)安全，可溯源性差，以及多維交互動(dòng)態(tài)和全要素參與不足等短板。在健康醫(yī)療大數(shù)據(jù)的時(shí)代背景下，新型的腦血管病診療管理決策范式呈現(xiàn)出人工智能和區(qū)塊鏈等大數(shù)據(jù)核心技術(shù)驅(qū)動(dòng)的全景式特點(diǎn)。在粒度縮放方面，決策相關(guān)的臨床大數(shù)據(jù)要素在宏觀和微觀層面可測(cè)可獲得，如臨床影像數(shù)據(jù)，通過(guò)人工智能技術(shù)實(shí)現(xiàn)腦血管病病灶數(shù)量、體積、位置等特征的自動(dòng)測(cè)量和提??；在跨界關(guān)聯(lián)方面，在傳統(tǒng)的人口學(xué)特征、腦血管病危險(xiǎn)因素和臨床特征方面，引入臨床影像數(shù)據(jù)和臨床指南診療決策推薦和臨床研究證據(jù)的外部要素，與傳統(tǒng)的臨床特征要素形成內(nèi)外互動(dòng)；在全局視圖方面，依托區(qū)塊鏈、體系構(gòu)建和平臺(tái)計(jì)算能力，通過(guò)臨床特征、影像特征和指南推薦等多維要素整合，針對(duì)腦血管病病因診斷和分類，急性期和二級(jí)預(yù)防治療決策、醫(yī)療質(zhì)量管理等場(chǎng)景進(jìn)行情景映現(xiàn)和評(píng)估。大數(shù)據(jù)驅(qū)動(dòng)的管理決策范式在粒度縮放、跨界關(guān)聯(lián)和全局視圖等方面引入新的視角，推動(dòng)新型臨床診療管理模式，將進(jìn)一步提升大數(shù)據(jù)使能創(chuàng)新的價(jià)值創(chuàng)造。