以糖尿病為例分析人工智能在基層社區慢性病防控中的應用*

呂宏堯，易旻晗，尹宏鵬，朱彩蓉△

(1.四川大學公共衛生學院，成都 610041；2.重慶大學自動化學院 400044)

近40年來，我國經歷了工業化、城市化、老齡化等社會經濟快速轉型，慢性病(簡稱慢病)患者不斷增加，目前確診的非傳染性疾病患者已超過2.6億[1-2]。慢病已成為影響我國經濟社會發展的重大公共衛生問題，預計到2030年，非傳染性疾病將成為所有低、中收入國家中最大的發展障礙[3]，并且是世界上引起死亡最廣泛的因素[4]。根據國務院發布的《中國居民營養與慢性病狀況報告(2015年)》，慢病導致的死亡占總死亡人數的86.6%。更為嚴峻的是，由于疾病譜的變化和人口老齡化的快速發展，預計未來10～15年，我國慢病仍呈快速增長態勢[5]。我國因基層人力資源缺乏、相關專業人員不足、管理手段落后等問題，造成在基層的慢病防控上仍然存在諸多欠缺。近年來，隨著大數據、人工智能(AI)和社區服務體系的不斷完善，慢病防控取得長足的進步，特別是AI技術，有可能成為基層慢病防控的重要手段。

1 目前慢病防控中存在的主要問題

目前，我國慢病防治領域存在的主要問題是“重治療、輕預防”，我國慢病防控體系仍處于初級階段，缺乏健全的綜合管理[2，6]。

1.1 慢病防控意識不足

我國基層疾病控制中心工作人員對慢病的快速發病趨勢及其嚴重的危害性認識不足，防治重視不夠，甚至認為慢病只影響富裕人口和老年人，其發生完全是由自身相關因素引起的，它們的控制是無效的或過于昂貴的[4]。此外社會人群對慢病認識不足、缺乏應有的慢病防控意識，往往等到慢病急性發作、疾病進展才進入醫院就醫，這在一定程度上影響了療效[2，7]。

1.2 經濟制約因素

基層財政財力不足，缺乏財政支持阻礙了大多數基層地區預防、治療和研究的能力發展，并且近年全球經濟因素對慢病風險的影響阻礙了慢病防治進展。衛生政策與醫療資源向急癥救護的方向傾斜，一定程度上限制了慢病防控體系的發展[4]。我國基層社區醫療資源缺乏、交通不便，加上我國幅員遼闊，全國各地發展不均衡，在防控中更注重經濟效益,而忽略了社會效益，一定程度上限制了慢病防控的發展。

1.3 人力影響因素

基層防病機構人力資源短缺，人才斷檔問題嚴重，人員知識結構欠合理、專業化水準不高、更新不及時等，也制約了慢病防控的發展[7]。

2 利用AI技術解決當前難題

AI技術和方法使計算機能夠模擬人類的思維過程，完成學習、規劃等任務，解決相對獨立的智能問題，代替人員更快速更精確地進行繁重的科學和工程計算[8-9]。

慢病防控良好的高收入國家經驗表明：應對措施必須是全面和多部門的，整合健康促進、預防和治療戰略，并讓社區和衛生部門參與進來。這種多維度聯合防控手段的實施需要運作良好的衛生系統來保障[3]。但我國基層人力資源缺乏、相關專業人員不足、管理手段落后等問題，限制了衛生系統的高速、高效運作。近30年AI技術逐漸發展成熟，為解決基層人力資源和專業化不足等矛盾起到了非常重要的作用。

當前AI已在醫學領域得到重要的應用。AI已經成功應用于放射醫學、病理學和皮膚病學等圖像分析，并且在未來的其他醫療實踐中也有更廣泛的應用前景[10]。利用AI可以讓有限的醫療資源得到充分利用，解決人力資源不足和數據分析煩瑣等缺陷，提高慢病防控的管理質效。因此，利用AI技術助力慢病防控是解決基層慢病防控問題的重要思路，對保障人民生命健康意義重大，當前AI助力慢病防控成為新的重要方向。

3 AI在醫學領域應用現狀

AI在復雜圖像識別與處理、深度學習、專家決策與咨詢、大數據分析等方面具有人類無法比擬的優勢，在醫學領域已得到廣泛應用。

3.1 遠程會診

遠程會診技術已相當成熟且初具規模。全國已有多家醫院與第三方平臺合作搭建遠程醫療平臺，借助AI不僅可以為患者提供遠程醫療服務，會診時醫生在遠程醫療平臺獲取患者的疾病相關資料、診療經過等數據，而且系統還能參考目前最前沿的國際診療方案及臨床試驗項目情況，為患者規劃個體化的治療方案或建議[11]。

3.2 輔助影像診斷技術

醫學影像學、醫學檢測與AI相結合的AI輔助影像診斷技術發展前景良好、成果豐碩，大大緩解了影像學從業人員短缺、診斷速度慢、圖像分析精準度不高等缺點。利用AI輔助影像診斷技術可以分析臨床病理特征與檢驗結果，依靠卷積神經網絡、Hopfield神經網絡、生成式對抗網絡技術實現圖像分類、目標檢測、物體分割和圖像生成，為臨床診療提供高效服務[12]。

3.3 智慧醫療

融合物聯網、云計算等技術，以患者數據為中心的智慧醫療結合新型傳感器、物聯網、通信等技術，構建出以電子健康檔案為中心的區域醫療信息平臺，整合各醫院業務流程，優化區域醫療資源，實現跨醫療機構的在線預約和雙向轉診，縮短病患就診流程、縮減相關手續、合理化分配醫療資源。

3.4 慢病防控

目前我國較多地區已經以AI技術為基礎，搭建了眾多慢病管理平臺，應用效果良好。傳統的慢病管理主要是患者自我管理和醫生定期管理，而患者自我管理的效果并不理想，醫生因為工作繁忙，有時對于患者的管理也不夠細致、到位。而AI可在監測血壓、血糖管理、用藥提醒等方面給予指導，督促患者謹遵醫囑，保持健康的行為習慣，以控制心血管病。帥仁俊等[13]研究設計了一種基于AI的慢病高危管理及管理效果自動評估系統。該系統以患者病歷、個人信息等建立健康檔案，并用AI技術對此類患者進行風險評估，從而進行監控和跟蹤，取得了很好的效果。LABOVITZ等[14]研究表明,依托AI的實時監測有可能增加患者的依從性并糾正不當行為。陳瑤等[15]指出AI在腫瘤篩查過程中大大減輕了人工負擔，提高了準確率，有利于早期診斷、早期治療，提高了腫瘤的預防和控制效果；而基于數字病理學的乳腺癌診斷則擁有海量數據信息，數據量化分析與神經網絡相結合，能顯著提高病理醫生的診斷時效與準確率，為后期精準治療提供科學依據。

我國城鄉發展不均衡、醫療資源分配不合理的特點，決定了解決基層慢病防控存在問題具有重要的現實意義。相較于傳統方式,AI與慢病管理的融合提高了患者的依從性和慢病管理的效率,節約了寶貴的醫療資源和成本。當前，遠程會診、AI輔助診斷和智慧醫療、醫學繼續教育方面已經取得了一些重要的經驗，可在基層社區和醫療衛生部門推廣應用，助力慢病防控。

4 AI在基層社區糖尿病防控中的應用

調查顯示，目前我國18歲以上Ⅱ型糖尿病和糖尿病前期患病率分別高達11.6%和50.1%，且仍呈上升趨勢，目前我國糖尿病的知曉率、治療率及控制率均未超過50%，在糖尿病的預防和管理中仍需面對醫療資源短缺的難題[16]。改變生活方式、控制危險因素是主要的預防手段，而定期監測血糖水平、隨訪調整藥物劑量是主要的治療方式。如何有效地、個體化地實現糖尿病預防及治療是領域內研究的熱點。

近年來，AI技術不斷涌入糖尿病防治領域[17]。國家代謝性疾病臨床醫學研究中心主任寧光院士團隊，與阿里健康AI實驗室共同研發的“瑞寧知糖”，就是通過結合大量的臨床數據，利用機器學習算法建立模型，從而預測出個體3年后患糖尿病的概率，這種智能糖尿病篩查手段具有創傷較小、可及性高的特點[18]。在此基礎上，該合作團隊還在積極探索糖尿病及其并發癥的預測、預測后干預、糖尿病知識智能問答等領域，并拓展到其他疾病的預測與診療中。基于此，利用AI助力糖尿病綜合防控平臺的建立可能是未來研究的重點。

在預防方面，通過AI綜合防控平臺分析出個體的危險因素，預測出糖尿病患病風險，提出個體化的生活方式干預及危險因素防控策略，提高個人的健康意識，降低糖尿病的發病率[19]。

在治療方面，對于使用胰島素降糖的患者，結合目前已有的“閉環式人工胰島”的模式，通過AI給出個體化的血糖監測方案，以及相應的胰島素劑量調整方案，自動完成血糖-胰島素劑量閉環調整過程[20]。對于口服藥物的患者，可通過AI分析出適合個體生活方式的最優血糖監測方案，患者完成血糖監測后，根據血糖數據指導調整藥物劑量，最終實現智能化、個體化的血糖調控[21]。

在并發癥防治方面，借助AI眼底圖像識別技術、免散瞳眼底照相機及互聯網組成的篩查單元，可以幫助非眼科專業的基層醫生初步完成糖尿病眼底病變的篩查與診療服務[22]。

AI綜合防控平臺在基層的應用，隨著深度神經網絡、超限學習機方法、支持向量機方法及自然語言處理等技術的發展，AI技術正在逐漸適應臨床日常實踐，有助于糖尿病患者自我管理和高效診療。因此，這些方法為提高患者的生活質量提供了強有力的工具[23-24]。

而針對基層醫療資源缺乏的問題，基層醫療機構可以為社區居民(或患者)提供監測血糖的設備，該設備在進行數據的收集之后，會立即將數據傳回慢病管理平臺[25]；同時慢病管理平臺會與基層衛生系統相連接，這有利于醫生了解其血糖情況，減少了醫生的隨訪壓力，緩解了基層人力資源不足的現狀；并且利用AI技術對血糖數據進行智能分析，可以及時將血糖異常情況反饋給患者本人或醫生，通過及時用藥調節血糖至正常范圍，這也改變了往常固定時間給藥的模式，對于個體化血糖控制和并發癥預防至關重要。在分級診療方面，利用AI根據患者身體狀況為患者智能化推薦醫院，這樣不僅有利于醫院盡早地全方位了解患者病情，進行針對性的有效救治；其次促進、完善分級診療的發展，避免“小病大治”，緩解綜合性醫院看病難的矛盾；同時也為患者節省了時間，節約醫療費用，提高經濟效益。若患者出現急性并發癥等，需要立刻搶救，而基層醫療救助能力有限，慢病管理平臺可以利用AI技術進行智能分析，輔助醫生進行救治；當AI技術難以處理時將自動發起遠程會診，由上級醫院醫生指導基層醫生進行救治；當基層的醫療條件不能夠滿足治療患者的需求時，還可使用智能救護車向上級醫院轉診，這些AI手段已在糖尿病防治領域得到推廣應用[17]。

近年來在糖尿病患者緊急救治方面，AI的作用也越顯突出。DANANJAYAN等[26]報道了5G技術可以運用于救護車提供緊急救護服務，配備在救護車上的5G傳感器和移動健康監測系統將患者的生命體征實時傳遞給醫生，且不會出現任何網絡問題，在隨車救護人員的幫助下，為急送途中患者提供必要緊急救治，為后續救護服務提供了寶貴的時間。智能救護車不僅能更好地保障患者的生命健康，在運送患者的過程中，還能夠更平穩、更安全，這樣提高了救治效率，使得患者存活的概率也大大地提高了。

此外，當患者遇上突發情況無法及時就醫，而且身邊也沒有藥物時，可以使用無人機進行藥物運輸。THIELS等[27]報道了利用無人機進行醫療物資運輸，探討了使用無人機運送醫療產品 (包括血液衍生物和藥品) 的優點、可行性及應用前景。在患者得到良好的救治，順利地恢復了健康以后，AI系統還可以根據每個患者不同的身體狀態進行不同的智能推薦和健康教育指導[28]。患者在了解、學習慢病有關知識后，個人健康意識會有所增強，這也有利于慢病的防控。

5 未來與展望

AI慢病防控領域近年來發展良好，但仍然存在相關知識水平不夠、專業性不夠強、應用效率低下、效果不佳的矛盾，諸多方面的問題需盡快提出優質的辦法進行解決，并且高端智慧醫療模式面對資源互通、數據共享和系統鏈接方面和政策力度方面仍面臨諸多挑戰[23]。為解決這些問題，可使用優化的AI技術。機器(計算機)通過分層數學模型(算法)處理海量數據集(大數據)來學習使用生物統計學檢測無法破譯的模式，糾正算法錯誤(培訓)增加了AI預測模型的信心等方法進行解決，提高AI在慢病防控領域中的效能；此外，通過AI可以優化慢病患者的護理軌跡，實施復雜疾病的精確治療，減少醫療錯誤[10]。這些AI技術不僅可以用在糖尿病上，也能推廣到心腦血管病、腫瘤等其他慢病上。

在我國提出“中國制造2025”規劃的今天，AI作為最新一輪科技產業革命的產物，已經到達國家戰略的高度，兼具醫學、數學、計算機、物理等領域技術，本文列舉的醫學領域相關應用技術只是其中一部分，相信AI能夠改進現有技術的不足，探索更多先進的技術解決方案，加速醫學發展進程，創造更加先進的醫療體系，造福人類。

志謝：陸軍軍醫大學附屬第二醫院神經外科張作鑫博士、曹勇勇碩士在文獻整理和分析方面的幫助。