傳染病監測系統癥狀監測模塊構建設計研究

陳崇德 高 星 王 巖 胡紅濮

北京協和醫學院 中國醫學科學院醫學信息研究所衛生信息管理研究室，北京 100020

傳染病作為人類健康及社會穩定的重要威脅之一存在已久。傷寒、鼠疫、非典型肺炎等傳染病給人類社會均造成過巨大的破壞[1-2]，給世界人民造成了嚴重的傷害與經濟負擔[3-4]。為應對此類問題，自非典疫情暴發后我國便在原有傳染病監測系統[5]基礎上建立了傳染病直報系統等一系列公共衛生信息系統。但目前我國公共衛生信息化建設尚不完善[6]，現有的信息系統難以完全實現對新發傳染病的早期篩查發現、及時預警和連續動態監測，對未確診疑似患者的特征癥狀進行監測的相關功能也未充分建立[7]。因此，亟須對傳染病監測系統進行升級與完善，通過技術長板彌補現有系統短板，改善系統難以第一時間有效發現并且防控新發傳染病的現狀[8]。

癥狀監測是通過對臨床診斷前的疾病癥狀及其他與健康相關數據進行系統且持續地收集、分析和解釋，及時發現特定疾病在時間和空間上的異常聚集以確定是否需要進行早期預警和快速反應的監測方法[9]。本研究即聚焦于構建一個可操作性較強、實用度較高的傳染病監測系統的癥狀監測模塊模型，旨在通過計算機數學模型根據癥狀自動鑒別傳染病患者，輔助醫生進行初步診斷、上報等，并通過信息化模塊優化整體響應流程，從而為進一步加強我國傳染病監測能力、縮短傳染病報告反應時間提供助力。

1 模塊功能

1.1 癥狀語義標準化

通過將臨床采集的患者病歷書寫癥狀與模塊內根據國際疾病分類-11 等標準建立的傳染病癥狀指標池中指標名稱相比較，將日常慣用語、口語、不規范用語轉化為臨床醫學標準用語，從而規范臨床使用、登記癥狀的語言標準，保證上傳數據的標準統一性與可分析性。

1.2 根據患者癥狀進行疾病輔助鑒別

模塊與基層社區衛生服務系統、醫院（如發熱門診）信息系統等臨床醫生工作站進行對接，根據患者的癥狀對傳染病進行初篩和提醒，協助醫療工作者早期篩查和識別傳染病，從而促進傳染病的高效報告。

1.3 流行病學數據收集

通過提供標準化信息填報模板與內置提問大綱，幫助臨床使用醫生在必要情況下對患者及時進行簡單流行病學調查，從而作為部分傳染病的輔助診斷鑒別依據，并為后續處置流程提供一定的基礎數據，以縮短應急反應時間[10]。

1.4 信息自動報送與綜合智慧判斷

癥狀監測模塊作為疾病監測的補充部分，可通過接口將收集的癥狀、檢查結果、流行病學信息匯總上報至區域性的傳染病監測平臺及傳染病直報系統。現階段此類數據可供上級醫療、公共衛生、管理機構隨時調閱、復核，并作為傳染病上報的輔助證據。而在新技術（大數據分析及5G 傳輸技術等）應用相對成熟、基礎設施構筑相對完善、區域信息平臺聯通更加普及后，海量的癥狀數據也可作為基于大數據的傳染病智能自動識別預警系統的數據源，從而實現全天候實時癥狀自動監測。

2 模塊架構

模塊根據使用場景、目標人群的不同可分別針對基層衛生機構、大中型醫院、患者自測等應用方向進行調整與區別化。本研究以應用較基礎、功能較完整的醫生端模塊為例。此模塊共分為輸入與人機交互、癥狀識別與語義標準化、依據患者癥狀的疾病判斷矩陣、輸出及后續決策與處置4 個部分，涵蓋了疑似傳染病患者從就醫到后續處置的患者先期處置全過程。模塊針對可疑癥狀進行識別，同時對臨床醫生判斷診斷進行輔助并提供證明材料，后續通過與傳染病直報系統等公共衛生監測系統建立的符合《國家突發事件預警信息發布系統管理平臺與終端管理平臺接口規范（GB/T34283-2017）》[11]的上、下行接口進行后續信息報送等處置流程。其所采集的數據也可上傳至上級信息系統以供未來建設的智能判斷模塊進行自動預警。模塊完整架構見圖1。

圖1 傳染病監測系統癥狀監測模塊架構（醫生端）

2.1 信息輸入與人機交互部分

該部分模塊通過可視化圖形窗口與使用者進行交互。通過html 等可應用于移動設備的編程語言進行界面構成，主要收集患者性別、年齡等基本人口學信息和通過患者主訴及醫生根據識別判斷所綜合得出的患者癥狀。系統根據數據庫內存儲的標準化癥狀名稱為使用者提供選項進行錄入選擇。在政策環境、技術條件、基礎設施允許的情況下也可收集基于《傳染病直報信息表》的其他相關流行病學信息以供后續環節調用。

2.2 癥狀識別與語義標準化部分

通過文獻研究收集所涉及傳染病及其需相互鑒別的疾病癥狀，廣泛查閱檢索權威機構發布的傳染病臨床預防指南、診療指南、傳染病診療相關教材、相關行業標準，以國家衛生健康委發布的診療指南等行業規范[12]為基準，根據需求確定模塊所包含的可鑒別傳染病種類。從中抽取模塊構建所涉及的傳染病癥狀與需鑒別疾病信息，將文章中自然語言進行標準化處理后匯總整理形成未經結構化、邏輯化處理的2 個指標池，即傳染病癥狀指標池與傳染病輔助鑒別診斷指標池。在成庫后經多人重復校對去除重復項，并根據文獻知識對各數據項進行粗分類。

2.2.1 建立傳染病癥狀知識指標池 以常見呼吸道傳染病的一系列特異性和非特異性癥狀為例，如畏寒、發熱、寒戰、頭暈、頭痛、倦怠、乏力、盜汗、咳嗽、咳痰、流涕、咽痛、食欲減退、惡心、嘔吐、胸痛、胸悶、憋氣、氣短、心悸、耳鳴、腹脹、腹痛、腹瀉、大便性狀改變、小便性狀改變、肌肉酸痛、睡眠欠佳、精神萎靡、皮疹等[13-16]，按照疾病為主索引，匯總不同疾病構建知識指標池，并通過專家咨詢法建立專家咨詢小組對所提取癥狀的完整性與描述準確性進行校驗。

2.2.2 建立傳染病輔助鑒別診斷知識指標池 對每種傳染病在輔助診斷過程中可能需與之鑒別疾病進行梳理，并收集每種疾病的臨床表現、實驗室檢查、病理特點等知識，形成傳染病輔助鑒別診斷知識指標池。構建每種傳染病與其需鑒別疾病間的兩兩對應關系，標明出需鑒別疾病間可供區分鑒別的高權重特異性癥狀，并進行專家咨詢，得到符合臨床思維與科學規律的輔助鑒別診斷知識指標池。

2.3 依據患者癥狀的疾病判斷矩陣

在癥狀指標池與輔助鑒別診斷指標池建立完成后，提取指標池中傳染病名稱、需鑒別疾病名稱、各傳染病癥狀名稱、需鑒別疾病癥狀名稱，構建癥狀-疾病關聯矩陣。矩陣以三元組為基礎構成，其基本組成單位是“實體-關系-實體”三元組，實體間通過關系相互聯結，構成網狀的知識結構，由2 個具有語義連接關系的實體和實體間關系組成，即G＝（A 實體，關系，B 實體）[17]。本矩陣通過將既往電子病歷癥狀數據進行擬合，對每種疾病的癥狀出現可能進行賦值。如G＝（手足口病，80，皮疹）即為矩陣中一個基本三元組，代表手足口病的皮疹癥狀賦值為80 分。并以此類推完成前期構建后以專家咨詢法針對矩陣構成指標、構成關系、指標賦值進行再調整。

2.4 輸出及后續決策與處置部分

基于鑒別癥狀賦值矩陣的具體分值、在關聯就診者的信息基礎上，基于敏感度和特異度均較強相似度算法，通過信息系統自動計算疾病的相似度（與疑似疾病的相似度越高，為某種疾病的可能性越大），最終將患者疑似所患疾病的前5 種依據相似度按照從大到小順序依次排序，并顯示出相似度。從而輔助醫生對大量的就診者進行疾病早期篩查和識別，作為患者診斷的參考及客觀條件受限時進行上報的判斷依據。對于患者的最終確診則需要依據現實應用時所能獲得的檢驗結果、流行病學史等，由醫生進行最終的診斷。

醫生在做出最終決策后通過可視化界面操作系統根據模塊所連接的傳染病直報系統、醫院HIS 系統等對患者進行上報、轉診、隔離、治療等處置。同時模塊收集到的癥狀信息也可直接匯總至上級系統、平臺，根據判斷矩陣賦值標記的不同疾病的重點高分癥狀進行分類存儲，以供進行不同時間區間內、不同地理區域內“高分值”癥狀的異常表現對比識別，或應用至基于其他新技術的分析利用途徑。

3 討論

經多次疫情沖擊表明我國的傳染病直報、監測和預警系統對新發重大傳染病監測有其局限性[18-20]。同樣，在現場執行方面，目前傳染病的診斷與直報對基層工作者綜合素質的要求也較高。任依等[21]調查表明，目前我國基層醫療衛生機構社區衛生應急體系與機制仍需完善、同時也存在醫務人員院感防控和傳染病防控能力不足、信息系統建設和功能有待進一步完善等問題。國內傳染病直報系統覆蓋面廣，但數據填報主要依賴于各級衛生專業人員對傳染病患者確診后進行填卡報告[22]，這就導致了在新發傳染病無法短時間內經實驗室檢驗，或在報告人員診斷失誤的情況下，會難以確保傳染病直報時效性與靈敏度的問題，從而影響各級管理機構的響應時效。而癥狀監測的應用也仍在起步階段，現存癥狀監測系統多分為僅依靠數據與公式計算癥狀時空間聚集的自動預測類[23]及僅依靠信息化系統進行患者癥狀收集后再人工判斷的輔助工具類[24-25]這兩大類。自動預測類對數據量、數據質量及基礎設施有著較高要求，同時難以聚焦于具體患者；而輔助工具類則停留于對辦公流程的優化，難以充分發揮信息系統應有優勢。

本研究構建的癥狀監測模塊以通過癥狀監測模擬專家臨床診療判斷為原理，依據患者癥狀針對其可能罹患的各類相似疾病進行輔助鑒別診斷，并進行癥狀及其他相關數據的收集、分析，在自動鑒別的基礎上充分保證臨床醫務人員的最終決策權；同時也考慮到了我國基層衛生資源分布不均的現狀[26]，可在系統運行對新增檢驗檢查設備、高水平專科醫生等短時間難以實現增加的醫療衛生資源需求量較低的基礎上對傳染病危險癥狀進行快速反應、強化基層衛生人員對傳染病識別概率，將傳染病識別環節的布置深度更下沉至全民健康覆蓋網底，以此提高傳染病監測反應系統效率。其優點在于設計較為合理，實施應用可行性較強，模型根據臨床醫生真實傳染病診斷-處置流程設計，將完整臨床路徑信息化以提升效率與規范性；同時模型采用的相似度算法可在不同疾病間數據項不完全對應的情況下根據所能獲得的有限數據進行分析，盡可能降低部署門檻；其基于html 語言的構建也保證了模型對移動設備的支持，設計目標較貼合現實應用場景并擁有相當的拓展空間。在目前疫情防控常態化的背景下，考慮到今后仍有可能新發疫情，而基層醫院、疾控機構、社區聯防聯控是遏制疫情傳播的重要途徑[27-28]；利用目前的大數據分析等技術，不斷分析總結凝練傳染病診療相關知識與經驗，實現臨床患者的早發現擁有一定的意義和應用價值，也是實現傳染病智慧化監測預警的重要前提。但目前本研究已構建的模型更多起到輔助診斷及數據統計收集的作用，其本身的智慧化、自動化判斷還有著提升空間。如何利用好大數據技術及5G 等新技術構建更智能化、功能更全面、涵蓋范圍更廣的癥狀監測工具[29]將是今后亟須持續探索并尋求突破的重點。

因此，在后續完整模塊建設及系統整合時研究團隊也將不斷優化聚焦重點疾病（如發熱呼吸道傳染病）；同時更注重流行病學的應用，對人群根據年齡等人口學指標分類以增加判斷模型的準確性；并在構建過程中積極征求基層醫療機構人員、醫院發熱門診工作人員等目標應用人群的意見，以提升模塊的可操作性和實用性，也將根據不同應用場景及使用人群種類對相應的傳染病信息系統進行分別適配。