基于大数据的区域慢病综合管理平台的设计与应用实践

　　摘 要：文章设计并应用了基于大数据的区域慢病综合管理平台，汇总了南京区域内各医疗卫生机构的医疗健康数据，通过大数据、人工智能等技术研究，建立了专病档案调阅、知识库、管理系统等慢病管理工具等，并在现有的医疗、公共卫生管理中，应用慢病管理工具并反馈相关应用效果，形成了数据采集、分析、应用与反馈优化的闭环式。平台实现了区域内慢病相关数据的共享，强化了各医疗卫生业务之间的联动，提高了各医疗卫生机构的管理服务能力，有利于对慢病患者的长期跟踪和多维度管理。

　　关键词：大数据；人工智能；区域慢病管理

　　Abstract： This paper designs and applies the regional chronic disease comprehensive management platform based on big data， and summarizes the medical and health data of various medical and health institutions in Nanjing region. Chronic disease management tools are established such as special disease file access， knowledge base， management system， etc. Through the research of big data， artificial intelligence and other technologies， chronic disease management tools are applied in existing medical and public health management and feeds back relevant information Application effect， forming a closed-loop of data collection， analysis， application and feedback optimization. The platform realizes the sharing of chronic disease related data in the region， strengthens the linkage between medical and health services， improves the management and service ability of medical and health institutions， and is conducive to the long-term tracking and multi-dimensional management of chronic disease patients.

　　Key words： big data； artificial intelligence； regional chronic disease management

　　1 引言

　　随着我国社会经济的快速发展，人口的老龄化以及导致慢性非传染性疾病（本文简称慢病）的各种行为危险因素（吸烟、饮酒、缺乏体育锻炼等）在人群中的强度不断增加，慢病已成为我国多数地区的主要健康问题。据统计，我国居民慢病死亡占总死亡人数的比例高达86.6%，造成的疾病负担已占总疾病负担的70%以上，已成为影响国家经济社会发展的重大公共卫生问题[1]。

　　《“健康中国2030”规划纲要》《“健康江苏 2030”规划纲要》与《中国防治慢性病中长期规划（2017-2025）》相继发布，我国慢病防控事业也迎来了新的机遇与挑战。如何提高人均健康期望寿命，开展重大慢病高危人群筛查和干预，阻止、延缓发病或降低致殘率，已成为保障全民健康的重点工作之一。随着大数据、人工智能技术的不断发展，汇集和分析真实世界全人群的多维医疗卫生数据，以此辅助和支撑区域慢病管理业务的开展，已具备了实践的可行性[2，3]。在此背景下，本文设计并建设了一套区域慢病综合管理平台，汇集区域内海量慢病相关数据，支撑区域内各级医疗机构和患者进行慢病防控和干预，取得了良好的效果。

　　2 平台总体功能设计

　　2.1 平台整体设计思路和建设目标

　　区域慢病综合管理平台以区域医疗大数据研究为切入点，立足为区域内的医疗卫生机构和患者提供一套整体性的慢病管理工具。平台建设首先对区域内海量医疗健康大数据进行采集、清洗、整理和集成，通过大数据、知识图谱等技术，研究建立专病数据库、专病知识库、专病管理系统、智能提醒等慢病管理工具等，通过在现有的医疗、公共卫生管理中应用慢病管理工具并反馈相关数据，形成数据采集、分析、预警、干预与反馈优化的循环闭环式递进[4]，如图1所示。

　　2.2 平台整体架构设计

　　区域慢病综合管理平台分为数据中心层、支撑组件层和应用服务层，如图2所示。数据中心层以个人身份证为索引，汇聚区域内的医疗健康大数据，并以糖尿病、高血压等慢病为节点进行分类汇聚形成专病数据库；支撑组件层在慢病大数据中心的基础上建设慢病患者专病档案、基于知识图谱的慢病智能知识库、风险预测预警的数据分析模型和个性化的患者健康肖像，以更好地支撑平台的应用服务层；应用服务层与医疗卫生机构信息系统、智慧医疗区域信息系统对接，构建门诊、住院、家庭医生、居家一体化的闭环疾病防控和干预服务体系，并通过PC端应用、APP医生端、APP患者端应用服务协同，为公众提供 “一站式”健康服务。

　　2.3 区域慢病数据上报

　　区域内和慢病相关的数据来源较多，需要有一个较为权威的慢病发病数据源对各种来源的慢病数据进行整合和串联，并关联和医疗、公共卫生业务。在本项目中，开发了一套慢病数据直报接口，区域内各医疗机构通过接口上报五种类型慢病（高血压、糖尿病、脑卒中、冠心病、肿廇）的确诊患者，接口内容包括患者基本信息、诊断编码、发病类型等。接口与医疗机构HIS、电子病历、病案系统等临床业务系统的对接，大部分实现系统自动报送，减轻慢病申报管理的工作量。上报的慢病发病数据根据患者的地址所属管理辖区下发至各基层医疗卫生机构进行确认，高血压、糖尿病患者经确认可纳入基层医疗卫生机构的慢病管理专案，通过信息共享与工作联动实现慢病发病数据全体系综合管理，慢病数据直报的整体工作流程如图3所示。

　　2.4 慢病大数据中心

　　基于慢病的健康数据具有涉及面广、种类多样、增长速度快、数据海量、适时性高等特点，为不同业务域不同来源的数据建立具有一致性的数据结构后统一汇总，形成慢病大数据中心。慢病大数据中心沿个体生命历程时间维度，实时采集、联接和整合个人健康档案、基本公共卫生数据、健康体检数据、临床诊疗数据、疾病监测数据、患者健康管理数据等，重点的业务包括区域慢病数据上报、体检机构体检数据、医院医疗数据、基层医疗卫生机构慢病管理数据等。数据包含结构化和非结构化数据，结构化数据主要包括标准化文本信息、检验检查结果、病理分析等。非结构化的数据包括非标准化文本数据、PACS影像数据等。

　　大数据中心通过数据收集层、数据存储层、资源管理与服务协调，形成了完整的大数据中心业务逻辑，通过结构化转换，以各疾病数据集标准为依据，进行对照转换，统一存储。按疾病数据字典标准对照，保证提取数据的一致性，消除数据在不同平台、医疗机构业务系统间的差异。经过标准化后的数据进入大数据中心，从数据标准化质控、关联性规则质控、追溯核查、质控规则引擎、数据质量回溯等方面提升数据质量，实现了从数据采集、分析、加工、展示全链路服务功能[5]。

　　2.5 慢病数据分析模型

　　在大数据中心划分出大数据应用生产区，用于部署数据挖掘、建模分析等应用软件系统。根据不同慢疾病研究需要，抽取不同病种对应的数据子集到该区进行开发利用，形成疾病大数据标签和重点人群研究队列。

　　探索本区域慢病及危险因素监测数据的分析模型和指标，结合Logistic回归分类算法，以病种为因变量，年龄、婚姻状况、文化程度、职业、体质指数、吸烟情况、血脂异常、高血压等为自变量，进行慢病独立危险因素的模型建立。结合随机森林分类算法、K-Means聚类算法、决策树分类算法，进行慢病相关症状、药物的分析、健康危险因素、并发症风险、治疗效果等分析，从而更好地支撑慢病的预防和干预[6]。

　　建立慢病相关的知识体系，构建不同概念和数据之间的关系信息。逻辑推理层描述从抽象概念中抽取高级语义信息的过程。逻辑推理以专家知识为指导，通过定义概念之间的相关推理关系，从大量的元数据中归纳推理出新的知识内容。逻辑推理过程依赖于概念的抽象化知识表示，而专家知识则以规则的方式进行体现[7]。

　　建立混合式多源数据分析框架，建立不同系统不同数据的统一表示方式，从交互特征、语义特征和拓扑特征等角度分析数据与健康属性之间的关系，从海量多源、含噪的健康医疗数据中，提取隐含潜在的有用信息和知识，发现具有高相关性的变量群[8]。建立数据分析模型对纳入模型中的自变量进行筛选，提取与健康事件相关的风险因素，采用本体表示模型抽象不同数据之间的关系，并基于知识推理构建相应的计算模型。

　　最后借助词向量的文本表示技术，提出由数据判断用户健康属性的算法。

　　2.6 慢病管理服务集成

　　平台在整合区域数据、建立智能分析工具的基础上，建立智能提醒、慢病档案调阅、糖尿病一体化管理系统、预约挂号缴费、个人健康管理、分级诊疗等一系列慢病管理服务，这些服务大多可通过服务接口的方式供医院等第三方机构业务系统调用，也有部分服务集成进慢病综合管理平台，通过各类系统界面供医疗卫生机构、患者直接使用[9]。

　　智能提示服务可以在慢病患者就医时提示医生该患者属于慢病患者，并跳出最近的用药、检验等记录供医生参考。医生处理接诊、录入诊断、录入处方或医嘱、住院登记以及主动报卡时，由医生工作站调用智能提示动态链接库中的统一函数，按智能提示产品接口规范传入相关数据，由智能提示前哨程序发送给智能提示服務中心，服务中心将根据预先配置的应用列表，逐个查询各个相关应用，并将提示结果返回给客户端进行展示。

　　慢病专病档案在汇总区域内医疗卫生数据的基础上，展示患者的基本信息、近期诊断记录、用药记录、医嘱记录、检验检查等数据，通过时间轴的方式展示患者近期的医疗和公卫体检随访等健康记录，支持查看记录详细信息。

　　糖尿病一体化管理系统是基于大数据和人工智能技术应用的糖尿病患者教育管理支持工具[10]。系统作为区域慢病综合管理平台的子模块，与平台数据中心、专病档案、数据分析模型高度整合，通过中心端集中部署的方式供区域内各级医疗卫生机构使用。系统支持医护人员开设糖尿病教育门诊，为患者提供首诊评估、个性化自我管理处方以及居家全程智能跟踪管理服务，支持基层医疗卫生机构开展规范化、个性化糖尿病健康教育服务和智能公卫随访服务，提高基层医护人员糖尿病教育管理能力和效率。

　　糖尿病一体化管理系统在首诊时收集、储存患者信息，对接慢病专病健康档案，基于专业问卷和标准对患者病情、自我管理能力等进行评估、分级分层，自动生成评估总结，并在此基础上根据患者病情进行个性化的跟踪干预，分析患者自我行为的管理问题，结合患者各项数据进行综合评估，智能生成控制目标、血糖监测方案、饮食治疗方案、运动治疗方案、糖尿病知识学习计划。

　　公卫随访模块能够同步公卫慢病管理中患者档案的最新信息，支持慢病管理随访表及可自定义设置随访问卷。随访问卷可以下发患者填写，也可以由医生在线填写。系统与南京市公众健康服务平台实现对接，知识推送、血糖及血压智能干预内容、管理处方报告、随访问卷、随访报告等内容，可推送至健康南京APP等移动应用，对患者进行智能干预服务。

　　南京市在前期的智慧医疗建设中已经建立了较为完善的服务体系，慢病综合管理平台与南京市区域卫生信息平台、公众健康服务平台、家庭医生和分级诊疗系统等实现了对接，慢病专病数据库和区域卫生信息平台数据库实时同步，并可通过调用智慧医疗服务实现挂号、缴费、转诊、个人健康管理等业务。

　　3 平台应用实践效果

　　3.1 数据汇总情况

　　慢病专病数据库的数据汇总以诊断描述、诊断编码、就诊科室、用药、检验检查指标等作为入库条件，原则上尽可能多地获取类似病历进入专病数据库，采集的慢病类型有五种，包括高血压、糖尿病、肿瘤、冠心病、脑卒中。

　　目前，数据的主要来源是医疗机构的体检数据、医疗数据、慢病报病数据、公卫慢病随访体检数据等，在经过数据整理和汇总后共收集糖尿病患者280879人（其中住院患者14243人）、门诊高血压患者677308人（其中住院患者7076人）、肿瘤患者77469人（其中住院患者19898人）、冠心病患者10364人、脑卒中患者20476人的医疗健康数据，对其中的高血压、糖尿病相关数据进行了数据解析、清洗、字典转换、语义映射等处理，形成了两个专病数据库。

　　3.2 集成服务应用情况

　　平台针对二级以上医疗机构和基层医疗卫生机构应用不同的集成服务。针对医疗机构现已开展应用的是慢病档案调阅、智能提示和糖尿病一体化管理系统。慢病档案调阅和用药等记录的智能提示，健康档案调阅和智能提示已接入13家二级以上医疗机构和12个区卫健委，累计调阅次数突破50万人次。

　　糖尿病一体化管理系统整合了平台的数据和服务功能，实现了患者档案信息的实时共享同步，向医疗机构提供了基于算法模型的管理处方、可自定义的患者智能随访，并將相关管理信息通过健康南京APP向患者同步。目前，一体化管理系统已接入三家医疗机构，还在进一步完善中。

　　基层社区卫生机构开展的应用主要包括慢病专案数据同步、公卫智能随访和管理处方等功能。平台将新发的慢病患者信息按区属分发至各行政区，各行政区社区卫生服务中心将所属的患者信息进行核实和确认，并更新至公卫慢病专案。社区卫生服务中心可通过管理处方的辅助推荐，对患者的饮食、用药、运动、睡眠等情况进行综合管理，可通过健康南京APP向患者发送公卫随访的问卷，实现智能随访。

　　4 结束语

　　本文通过基于大数据的区域慢病综合管理平台的设计、建设和实施，统一汇总和整理了南京市区域内各级医疗卫生机构的慢病相关数据，在此基础上依托大数据、人工智能等技术，建立了专病档案调阅、专病知识库、专病管理系统、智能提示等一系列慢病管理相关的集成服务，集成服务开放给区域内各级医疗卫生机构，并通过管理处方、患者端APP等对患者实现运动、饮食、用药等多维度的长期健康管理。平台的建设提升了医疗卫生数据的利用效率，建立了相关数据模型，为慢病患者提供全程健康服务，初步实现了区域慢病综合协同管理体系，并为后续基于大数据的研究创造数据研究价值。

　　基金项目：

　　江苏省社会发展重大科技示范项目（项目编号：BE2018607）。

　　参考文献

　　[1] 吕兰婷，邓思兰.我国慢性病管理现状、问题及发展建议[J].中国卫生政策研究，2016（07）：1-7.

　　[2] 龚希若.关于区域医疗信息化建设的思考[J].网络空间安全， 2011（05）： 59-61.

　　[3] 孟群，尹新，陈禹.互联网+慢病管理的研究与实践[J].中国卫生信息管理，2016，2：119-123.

　　[4] Ahmed S，Bartlett SJ，Ernst P，et al.Effect of a web-based chronic disease management system on asthma control and health-related quality of life：study protocol for a randomized controlled trial [J].Trials， 2011，12：260.

　　[5] 林青，黄玉蕾.医疗卫生领域大数据共享的应用研究[J].网络空间安全，2016（04）：12-14.

　　[6] 史倩楠，马家奇.公共卫生大数据分析方法与应用方向[J].中国数字医学， 2016（02）：10-12.

　　[7] 俞思伟，范昊，王菲，等.基于知识图谱的智能医疗研究[J].医疗卫生装备，2017（03）：109-111.

　　[8] 梁小华，顾东风.慢性非传染性疾病管理模型的构成及应用前景[J].中华预防医学杂志，2011，45（3）：200-204.

　　[9] 梁宗强，赵延红，黄若文，等.基于慢病管理和双向转诊的区域分级诊疗信息化建设实践与探讨[J].中国数字医学， 2017，12（6）：16-18.

　　[10] 汤利华，谭兴容，汤世国，等.医院社区糖尿病一体化管理模式的有效性初探[J].中国卫生标准管理，2018（01）：196-198.

　　苏逸飞 王颖 殷伟东 丁腊春 张伟

关注读览天下微信， 100万篇深度好文， 等你来看……