ICS

CCS

CI

團(tuán)體標(biāo)準(zhǔn)

T/CIXXX-2023

慢病健康信息智能管理技術(shù)規(guī)范

TechnicalSpecificationforIntelligentManagementofChronicDisease

HealthInformation

（征求意見稿）

2023-X-X發(fā)布2023-X-X實(shí)施

中國國際科技促進(jìn)會(huì)?發(fā)布

T/CIXXX—2023

慢病健康信息智能管理技術(shù)規(guī)范

1范圍

本文件提供了慢病健康信息智能管理關(guān)鍵技術(shù)及應(yīng)用的術(shù)語和定義、慢病實(shí)時(shí)監(jiān)測、慢

病數(shù)據(jù)智能分析、慢病診斷預(yù)測、慢病管理系統(tǒng)構(gòu)建等關(guān)鍵技術(shù)的指南。

本文件適用于慢病健康信息智能管理的研究、設(shè)計(jì)、技術(shù)路線，可作為智慧醫(yī)療系統(tǒng)設(shè)

計(jì)與研究的技術(shù)依據(jù)。

2規(guī)范性引用文件

本文件沒有規(guī)范性引用文件。

3術(shù)語和定義

GB/T38668、GB/T4365、GB7665-87、GB/T33008.1、GB/T20271、GB/T29261.3、

GB/T37033.3界定的以及下列術(shù)語和定義適用于本文件。

3.1

智能織物e-textile

智能織物e-textile是融合了可穿戴計(jì)算、接口設(shè)計(jì)和紡織工程等多項(xiàng)技術(shù)的新型的可穿

戴設(shè)備。

3.2

慢性疾病ChronicDiseases,CDs

指長期積累等原因形成疾病的總稱，包括的種類很多，譬如，糖尿病、慢性呼吸系統(tǒng)疾

病、癌癥、心腦血管疾病、中風(fēng)、超重、血脂異常、類風(fēng)濕病等

3.3

數(shù)字化協(xié)同管理模型Pathway-driveneHealthbasedIntegratedCareModel，PEICM

數(shù)字協(xié)同化智能管理模型是一種基于數(shù)字技術(shù)和協(xié)同化理念的管理模型，旨在通過智能

化技術(shù)實(shí)現(xiàn)業(yè)務(wù)流程的優(yōu)化和效率的提升。該模型基于數(shù)字化的平臺和工具，將各個(gè)部門或

個(gè)體的工作集中在一個(gè)數(shù)字化的環(huán)境中進(jìn)行協(xié)同和管理。通過實(shí)時(shí)的信息共享、協(xié)作和互動(dòng)，

可以快速響應(yīng)市場變化、提高決策的準(zhǔn)確性，并提升團(tuán)隊(duì)的協(xié)同效率和創(chuàng)新能力。

1

T/CIXXX—2023

3.4

反向傳播神經(jīng)網(wǎng)絡(luò)BackPropagationNeuralNetwork

BP神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，一般由輸入層、隱藏層、輸出

層組成，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。

3.5

支持向量機(jī)supportvectormachines,SVM

SVM是一種機(jī)器學(xué)習(xí)算法，用于進(jìn)行分類和回歸分析。SVM的基本思想是找到一個(gè)最優(yōu)

的超平面，將不同類別的樣本分開。在二分類問題中，SVM找到一個(gè)能夠?qū)蓚€(gè)類別的樣本

點(diǎn)分隔開的超平面，使得兩個(gè)類別中距離超平面最近的樣本點(diǎn)到該超平面的距離最大化，這

些最近的樣本點(diǎn)被稱為支持向量。

3.6

人工智能ArtificialIntelligence,AI

AI是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法及應(yīng)用系統(tǒng)的一門新的

技術(shù)科學(xué)。

4總體設(shè)計(jì)

4.1基本原則

（1）對標(biāo)國家重大需求。以國家需求為研究命題導(dǎo)向，以研究成果轉(zhuǎn)化落地為研究目

標(biāo)。

（2）結(jié)合最新的科研成果和技術(shù)創(chuàng)新。為未來的慢病管理提供有力支持，確保標(biāo)準(zhǔn)具

有前瞻性和可持續(xù)性。

（3）密切聯(lián)系實(shí)際情況。具有一定的靈活性，允許根據(jù)具體情況進(jìn)行調(diào)整和定制，以

確保技術(shù)的實(shí)際應(yīng)用效果。

4.2慢病健康信息智能管理技術(shù)總體思路介紹

慢病數(shù)據(jù)實(shí)時(shí)監(jiān)控技術(shù)，慢病數(shù)據(jù)智能分析技術(shù)，慢病診斷預(yù)測技術(shù)和慢病管理系統(tǒng)構(gòu)

建技術(shù)是慢病健康信息智能管理技術(shù)的組組成部分。慢病健康信息的管理應(yīng)從慢病健康數(shù)據(jù)

的實(shí)時(shí)監(jiān)控出發(fā)，使用穿戴式醫(yī)療設(shè)備對慢病健康數(shù)據(jù)進(jìn)行實(shí)時(shí)采集，通過網(wǎng)絡(luò)傳輸?shù)铰?/p>

健康信息大數(shù)據(jù)平臺。使用人工智能技術(shù)對慢病數(shù)據(jù)進(jìn)行智能分析，為慢病的診斷和預(yù)測提

供依據(jù)。構(gòu)建慢病管理系統(tǒng)，對患者的醫(yī)療健康數(shù)據(jù)進(jìn)行管理、分析和應(yīng)用，以提高慢性疾

病的管理和治療效果，降低醫(yī)療成本和患者負(fù)擔(dān)。由于慢病健康信息智能管理涉及的技術(shù)種

2

T/CIXXX—2023

類繁多、分工各異、功能復(fù)雜等特點(diǎn)。慢病健康信息智能管理技術(shù)是解決健康信息管理的關(guān)

鍵。最后，為貫徹產(chǎn)研相結(jié)合的理念，將該信息智能管理技術(shù)應(yīng)用于慢病患者的實(shí)際治療中，

以應(yīng)用實(shí)踐反饋?zhàn)鳛楦倪M(jìn)方向，形成良性循環(huán)。

4.3慢病數(shù)據(jù)實(shí)時(shí)監(jiān)測技術(shù)

4.3.1慢病數(shù)據(jù)實(shí)時(shí)監(jiān)測技術(shù)概述

伴隨醫(yī)學(xué)科技的發(fā)展以及人民健康意識的提高，現(xiàn)代醫(yī)療模式更主張實(shí)現(xiàn)對“健康人”

的生命體征信息動(dòng)態(tài)健康監(jiān)測管理，提倡“預(yù)防重于治療”，關(guān)注治“未病”，讓病人得到個(gè)

體化、動(dòng)態(tài)的醫(yī)療服務(wù)。心電、心率、脈搏、血氧飽和度、呼吸、體溫、血壓等這些人體基

本的生理參數(shù)與疾病的防治密切相關(guān)。從技術(shù)手段上來說，除了醫(yī)院專業(yè)的醫(yī)療設(shè)備可以實(shí)

現(xiàn)對人體健康狀態(tài)監(jiān)測外，便捷、靈活的穿戴式生理參數(shù)監(jiān)測系統(tǒng)為個(gè)性化實(shí)時(shí)的生理參數(shù)

監(jiān)測提供了技術(shù)支撐平臺。現(xiàn)代醫(yī)療模式的轉(zhuǎn)變，對醫(yī)療級穿戴式微型化、智能化設(shè)備提出

了更高的要求，穿戴式生理參數(shù)監(jiān)測采用微型化、智能化、高精度的各種傳感器采集人體的

生理參數(shù)，實(shí)現(xiàn)對人體健康生理參數(shù)無創(chuàng)連續(xù)的實(shí)時(shí)監(jiān)測，是實(shí)現(xiàn)全面健康和個(gè)性化醫(yī)療較

為有效的新型醫(yī)療監(jiān)護(hù)模式。

在臨床應(yīng)用中，人體生理參數(shù)的監(jiān)測需要通過傳感器（電極）將人體或生物體部位的

電位引導(dǎo)到專業(yè)的醫(yī)學(xué)測量儀器上進(jìn)行生物電測量，從而實(shí)現(xiàn)對生命體征的健康監(jiān)測，為

健康管理提供技術(shù)平臺。傳感器檢測電極屬于敏感元件，起到對生物電信號的采集及傳導(dǎo)

等作用，是測量系統(tǒng)最為關(guān)鍵的核心部件之一，也是穿戴式監(jiān)測系統(tǒng)中最為重要的環(huán)節(jié)之

一。

4.3.2可穿戴設(shè)備監(jiān)控技術(shù)

目前，可穿戴設(shè)備被廣泛的應(yīng)用于健康醫(yī)療領(lǐng)域。而在健康醫(yī)療領(lǐng)域，利用可穿戴設(shè)備

監(jiān)控慢病數(shù)據(jù)主要有3種方法：基于傳感器、智能織物和生物電極。

（1）基于智能織物的健康數(shù)據(jù)采集技術(shù)

智能織物（e-textile）是融合了可穿戴計(jì)算、接口設(shè)計(jì)和紡織工程等多項(xiàng)技術(shù)的新型

的可穿戴設(shè)備。它將電子功能組件、傳感器和電源等器件織入到布塊中，使布塊不僅具備可

穿戴和外觀柔順等常規(guī)性質(zhì)，而且還具備計(jì)算、通信、提供能源等功能。智能織物的顯著優(yōu)

勢包括：智能織物可以與人體90%的皮膚直接接觸；柔性好且穿著舒適；價(jià)格低廉，可一次

性使用。其主要工作原理是在布塊中集成傳感器、處理器和驅(qū)動(dòng)器這三部分，當(dāng)外界環(huán)境發(fā)

生改變時(shí)，通過傳感器感知并收集外界環(huán)境變化的信息，并將信息交由處理器進(jìn)行判斷處理，

3

T/CIXXX—2023

之后處理器發(fā)出指令，通過驅(qū)動(dòng)器調(diào)整材料的各種狀態(tài)，以適應(yīng)外界環(huán)境的變化，從而實(shí)現(xiàn)

自調(diào)節(jié)等功能。目前智能織物被應(yīng)用于日常生活的各個(gè)領(lǐng)域中，尤其是健康醫(yī)療領(lǐng)域。

智能織物最普遍的一種應(yīng)用是被用來設(shè)計(jì)制作一種新型柔性醫(yī)用干式電極，這種電極比

起傳統(tǒng)的醫(yī)用電極可以滿足長時(shí)間穿戴和測量舒適度的要求。除此之外，智能織物也可以作

為主要的傳感單元去采集生理信號和生物力學(xué)參數(shù)。如：導(dǎo)電聚合物涂層織物和碳加載的熱

塑性彈性體纖維被用于檢測呼吸頻率，它是通過在呼吸過程中記錄關(guān)節(jié)變化的角度或胸部直

徑的變化來確定呼吸頻率的；植入應(yīng)變傳感器陣列的智能織物可以捕獲和分類不同的姿勢，

被用于上肢神經(jīng)康復(fù)訓(xùn)練中；將生物傳感器集成到衣物中，可以在穿戴時(shí)對人體的生理參數(shù)

進(jìn)行實(shí)時(shí)監(jiān)測，對心腦血管類等疾病的治療和預(yù)防起到了十分重要的作用。

（2）基于生物電極的健康數(shù)據(jù)采集技術(shù)

生物電極是一種能夠有效地將生物體電化學(xué)活動(dòng)產(chǎn)生的離子電位轉(zhuǎn)換成測量系統(tǒng)電子

電位的傳感器，在現(xiàn)代臨床檢測和生物醫(yī)學(xué)測量被廣泛的應(yīng)用于生命體征和生理參數(shù)的連續(xù)

監(jiān)測中，如心電圖ECG、腦電圖EEG、肌電圖EMG、眼電圖EOG、胃電活動(dòng)GEA、神經(jīng)電位和

電阻抗成像EIT等，其中最主要的應(yīng)用就是心電圖ECG。

生物電極按照制作工藝不同可以分為兩類：濕電極和干電極。濕電極通常在臨床監(jiān)測用

于心電圖的測量。最常見的一種濕電極是銀/氯化銀（Ag/AgCl）電極。Ag/AgCl電極通常由

電極芯、Ag/AgCl層、導(dǎo)電凝膠和無紡布等組成，依靠傳感器和病人皮膚之間的導(dǎo)電凝膠來

提高傳感器感知身體電信號的能力。但是濕電極在長期監(jiān)測中存在以下問題：長期監(jiān)測時(shí)導(dǎo)

電凝膠干涸從而導(dǎo)致電信號質(zhì)量下降；導(dǎo)電凝膠會(huì)刺激病人皮膚，使病人產(chǎn)生不適感；人體

位移時(shí)會(huì)產(chǎn)生電極位移從而影響測量的精度。此外由于濕電極必須配合導(dǎo)電凝膠使用，且制

備工藝受限，所以很難應(yīng)用于可穿戴設(shè)備。

而干電極的出現(xiàn)則旨在解決上述這些問題，在可穿戴系統(tǒng)和長期監(jiān)測的設(shè)備中十分常見。

最常見的一種干電極是微針干電極，它主要用于腦電圖的監(jiān)測。微針干電極采用針式電極直

接穿透皮膚的角質(zhì)層的方式，避免了角質(zhì)層的高阻抗特性對腦電信號采集帶來的影響。與

Ag/AgCl電極相比，微針電極使用時(shí)不需要在皮膚上涂抹導(dǎo)電凝膠，具有更小的阻抗，更適

合在長期監(jiān)測中使用。

（3）基于傳感器的健康數(shù)據(jù)采集技術(shù)

將聲、光、熱、壓力、位移、加速度等非電學(xué)物理量或人類無法感知的化學(xué)量轉(zhuǎn)換成以

電學(xué)形式表達(dá)的信息的換能器叫做傳感器，通常由敏感元件和轉(zhuǎn)換元件組成。而應(yīng)用于健康

4

T/CIXXX—2023

數(shù)據(jù)采集的醫(yī)學(xué)傳感器能把人體的生理信息轉(zhuǎn)換成為與之有確定函數(shù)關(guān)系的電信息。最常見

的醫(yī)學(xué)傳感器的用途包括測量血氧、血壓、心電和心率等生理參數(shù)。醫(yī)學(xué)傳感器是用于生物

體的，因此還必須滿足一些特殊要求：要有一定的物理性能，即靈敏度、分辨率等；絕緣性

好；不能為身體帶來損傷；不易脫落，有較高的牢固性。

4.3.3慢病實(shí)時(shí)監(jiān)測系統(tǒng)

慢病監(jiān)測系統(tǒng)主要是針對慢病管理和日常健康監(jiān)測，要求信號采集芯片必須是小體積、

低功耗且具有較強(qiáng)的抗干擾能力。系統(tǒng)整體框圖如圖1所示，終端微型化的心電、血氧監(jiān)

測設(shè)備實(shí)時(shí)采集用戶心電數(shù)據(jù)和血氧數(shù)據(jù)，并經(jīng)內(nèi)置的微處理器進(jìn)行數(shù)據(jù)濾波降噪處理后，

通過傳輸模塊上傳至云端服務(wù)器或者專業(yè)臨床診斷中心，利用深度學(xué)習(xí)等智能化算法實(shí)現(xiàn)對

心電數(shù)據(jù)的智能分類與分析，通過PC機(jī)或手機(jī)APP查詢和分析結(jié)果。

圖1系統(tǒng)整體框圖

該系統(tǒng)主要針對慢病患者和“未病”人群的心電、血氧等生理參數(shù)的快速實(shí)時(shí)監(jiān)測，采

集設(shè)備終端具有時(shí)間靈活、穿戴方便的特點(diǎn)，能充分利用互聯(lián)網(wǎng)大數(shù)據(jù)和機(jī)器學(xué)習(xí)算法優(yōu)勢，

為慢病的理想治療模式：預(yù)防為主，早預(yù)防、早發(fā)現(xiàn)、早診治提供便捷快速的技術(shù)支撐手段

和平臺。

慢病監(jiān)控系統(tǒng)主要涉及的功能包括：用戶管理、數(shù)據(jù)監(jiān)測、數(shù)據(jù)傳輸、平臺數(shù)據(jù)處理和

數(shù)據(jù)反饋等。

用戶管理：可通過客戶端實(shí)現(xiàn)醫(yī)療專家、家庭健康終端、醫(yī)療服務(wù)機(jī)構(gòu)的信息管理，首

次使用的用戶可進(jìn)行注冊，進(jìn)行實(shí)名認(rèn)證，已有記錄的用戶可通過接入平臺的各醫(yī)療服務(wù)機(jī)

構(gòu)的系統(tǒng)數(shù)據(jù)庫實(shí)現(xiàn)數(shù)據(jù)互聯(lián)互通。

數(shù)據(jù)監(jiān)測：使用便捷式采集裝備測量患者的血壓、血糖、體溫等生理參數(shù)，并將生理參

數(shù)以可視化、數(shù)字化的形式呈現(xiàn)，通過物聯(lián)網(wǎng)技術(shù)和移動(dòng)通信技術(shù)將移動(dòng)監(jiān)測設(shè)備與數(shù)據(jù)中

心互聯(lián)，完成監(jiān)測數(shù)據(jù)上傳。

5

T/CIXXX—2023

數(shù)據(jù)傳輸：數(shù)據(jù)傳輸分兩種情況：在局域網(wǎng)環(huán)境下監(jiān)測數(shù)據(jù)傳送至移動(dòng)端本地存儲(chǔ)數(shù)據(jù)

庫以保證數(shù)據(jù)不丟失；在移動(dòng)網(wǎng)絡(luò)環(huán)境下數(shù)據(jù)直接傳輸?shù)皆破脚_數(shù)據(jù)庫，實(shí)現(xiàn)數(shù)據(jù)實(shí)時(shí)傳輸。

平臺數(shù)據(jù)處理中心負(fù)責(zé)接收存放通過物聯(lián)網(wǎng)、移動(dòng)網(wǎng)絡(luò)傳送的數(shù)據(jù)信息。數(shù)據(jù)處理中

心為用戶建立個(gè)人病案，結(jié)合患者最近一段時(shí)間的監(jiān)測數(shù)據(jù)（包括患者基本信息、營養(yǎng)學(xué)知

識、監(jiān)控?cái)?shù)據(jù)信息、醫(yī)療知識、病情案例、預(yù)警值范圍、診斷信息等）進(jìn)行數(shù)據(jù)分析，并

根據(jù)分析結(jié)論及用戶的不同需求，將分析數(shù)據(jù)以多種類型的圖表形式（如折線圖、面積圖、

三維梯形圖等）呈現(xiàn)，信息采用定點(diǎn)式實(shí)時(shí)記錄的方式，數(shù)據(jù)采集記錄以秒為單位記錄患

者的生理參數(shù)及定位位置的變化。數(shù)據(jù)反饋：用戶可以通過手機(jī)APP或客戶端進(jìn)行數(shù)據(jù)查看，

并根據(jù)實(shí)際的情況通過APP上傳反饋信息，后臺將反饋信息進(jìn)行數(shù)據(jù)更新和處理，以提升患

者體驗(yàn)。

4.4慢病數(shù)據(jù)智能分析技術(shù)

4.4.1慢病數(shù)據(jù)智能分析技術(shù)概述

面向精準(zhǔn)診療的慢性疾病數(shù)據(jù)分析關(guān)鍵技術(shù)，實(shí)現(xiàn)了精確、有效地探索個(gè)體間慢病發(fā)生

的病因和發(fā)展過程，識別異常點(diǎn)，找出控制慢病發(fā)生，發(fā)展的相關(guān)因素，進(jìn)而進(jìn)行慢病的精

準(zhǔn)預(yù)測、風(fēng)險(xiǎn)判別、及時(shí)預(yù)警，并輔助臨床醫(yī)生決策，有效降低醫(yī)療成本，提高醫(yī)療效率和

服務(wù)質(zhì)量?；卺t(yī)療大數(shù)據(jù)分析的精準(zhǔn)診療已逐步成為未來發(fā)展趨勢，參與性、預(yù)測性、預(yù)

防性、個(gè)性化及精準(zhǔn)性成為慢病服務(wù)發(fā)展的根本引領(lǐng)，該模式實(shí)現(xiàn)的根源就在于包括醫(yī)療大

數(shù)據(jù)的集成化處理和智能算法的開發(fā)在內(nèi)的慢病數(shù)據(jù)。

4.4.2慢性疾病數(shù)據(jù)分析關(guān)鍵技術(shù)

隨著移動(dòng)物聯(lián)網(wǎng)、人工智能技術(shù)的飛速發(fā)展，以及可穿戴設(shè)備的普及，健康醫(yī)療數(shù)據(jù)迅

速積累，形成了醫(yī)療健康領(lǐng)域的“大數(shù)據(jù)”，基于慢病數(shù)據(jù)分析的精準(zhǔn)診療應(yīng)運(yùn)而生，包括

了精準(zhǔn)預(yù)防、精準(zhǔn)治療、精準(zhǔn)預(yù)后等。借助于醫(yī)療健康大數(shù)據(jù)的AI方法，可將來自不同系

統(tǒng)、設(shè)備記錄、收集的海量慢病數(shù)據(jù)進(jìn)行充分挖掘與知識學(xué)習(xí)，實(shí)現(xiàn)精準(zhǔn)的個(gè)體慢病決策支

持。

在慢病管理領(lǐng)域，人工智能技術(shù)主要為以本體為代表的知識驅(qū)動(dòng)方法與以機(jī)器學(xué)習(xí)、深

度學(xué)習(xí)為代表的數(shù)據(jù)驅(qū)動(dòng)方法。以本體為代表的知識驅(qū)動(dòng)方法所表達(dá)的模型具有支持語義互

操作、可共享、可重用等慢病領(lǐng)域模型的常見特征。數(shù)據(jù)驅(qū)動(dòng)方法可以劃分為基于結(jié)構(gòu)化數(shù)

據(jù)的統(tǒng)計(jì)學(xué)習(xí)方法、機(jī)器學(xué)習(xí)方法和基于非結(jié)構(gòu)化數(shù)據(jù)的深度學(xué)習(xí)方法。

6

T/CIXXX—2023

（1）基于本體的模型知識表達(dá)，本體是對可共享概念模型的一種明確而形式化的說明，

本體的構(gòu)建是一項(xiàng)較為復(fù)雜的工程，本體應(yīng)主要包括：類、屬性以及對屬性的限制約束，一

般類由概念構(gòu)成，屬性由描述概念特征構(gòu)成。將概念進(jìn)行分層，由本體與類對應(yīng)的實(shí)例的組

合構(gòu)成了知識庫，由實(shí)例及屬性構(gòu)成了知識圖譜。七步法是當(dāng)前使用較為廣泛的本體構(gòu)建方

法之一，通過將本體構(gòu)建要素進(jìn)行結(jié)合，提供了一種具有較強(qiáng)可操作性的本體構(gòu)建方法。

在慢病分析過程中，本體能夠進(jìn)行慢病精準(zhǔn)診療管理，搭建底層基礎(chǔ)架構(gòu)。慢病領(lǐng)域的

本體主要包括慢病知識的領(lǐng)域本體以及用于推動(dòng)精準(zhǔn)診療的應(yīng)用本體。本體可以在慢病決策

支持過程中對所需要的慢病知識進(jìn)行高效的表達(dá)，為慢病分析賦予演繹式推理的能力。

（2）特征提取方法，在慢病診療大數(shù)據(jù)中存在多個(gè)多源異構(gòu)、高維的數(shù)據(jù)集，使得研

究者無法把所有特征同時(shí)放入一個(gè)模型中進(jìn)行分類預(yù)測。此外，在預(yù)測模型中也并非特征越

多越好。在慢病精準(zhǔn)診療過程中需要通過特征提取方法幫助研究人員進(jìn)行分析特征、理解特

征，并對慢病數(shù)據(jù)特征進(jìn)行降維處理，從而降低運(yùn)算復(fù)雜度、提高預(yù)測模型正確率。特征選

擇標(biāo)準(zhǔn)是決定特征重要程度高低的標(biāo)準(zhǔn)，如果模型選取特征變量相關(guān)度低的值，則數(shù)據(jù)分類

較差，會(huì)降低預(yù)測器的準(zhǔn)確率。

在面向精準(zhǔn)診療的慢病數(shù)據(jù)選擇特征時(shí)常用3類方法，即過濾式方法、嵌入式方法、包

含式方法。其中，過濾式方法是通過慢病數(shù)據(jù)篩選的變量排序作為變量選擇的標(biāo)準(zhǔn)，再通過

使用合適的慢病變量標(biāo)準(zhǔn)對變量進(jìn)行評分、選擇，來減少不必要的變量。嵌入式方法在慢病

數(shù)據(jù)特征選擇過程中需要與模型空間進(jìn)行擬合，通過不斷迭代，篩選較好的特征，通過自己

的迭代過程融入模型學(xué)習(xí)中，從而進(jìn)行特征選擇。包含式方法主要是通過學(xué)習(xí)模型作為子集

評估標(biāo)準(zhǔn)，不斷在特征空間中找到子集空間，然后進(jìn)行評估，評估的結(jié)果可以作為一個(gè)目標(biāo)

函數(shù)。

（3）常用機(jī)器學(xué)習(xí)與深度學(xué)習(xí)算法，在慢病數(shù)據(jù)分析預(yù)測中，常常使用機(jī)器學(xué)習(xí)和深

度學(xué)習(xí)算法進(jìn)行預(yù)測。對輸入的慢病數(shù)據(jù)集按照個(gè)體進(jìn)行分類，被稱為分類算法。如經(jīng)典機(jī)

器學(xué)習(xí)方法支持向量機(jī)，它是一種二分類的模型，基于線性劃分與非線性分類。對于一個(gè)慢

病樣本集，可以利用SVM分類器進(jìn)行分類，得到一個(gè)基于樣本集的劃分超平面，并通過直線

分成不同的類別，通過類別劃分為2類時(shí)，劃分超平面的數(shù)量相對較多，其劃分的直線對樣

本集內(nèi)部發(fā)生變化時(shí)的影響也最小。盡管傳統(tǒng)的機(jī)器學(xué)習(xí)技術(shù)已普遍應(yīng)用在慢病數(shù)據(jù)分析預(yù)

測中，但機(jī)器學(xué)習(xí)需要大量帶標(biāo)簽的訓(xùn)練樣本，在很多情況下，收集足夠的訓(xùn)練數(shù)據(jù)通常比

較費(fèi)時(shí)。通過遷移學(xué)習(xí)，利用來自不同領(lǐng)域獲得的數(shù)據(jù)進(jìn)行訓(xùn)練，往往效率更高。遷移學(xué)習(xí)

7

T/CIXXX—2023

中訓(xùn)練和測試的數(shù)據(jù)樣本分布可能不同。根據(jù)遷移學(xué)習(xí)的定義，可將遷移學(xué)習(xí)分為3個(gè)子設(shè)

定，包括：直推式遷移學(xué)習(xí)、歸納遷移學(xué)習(xí)和無監(jiān)督遷移學(xué)習(xí)。

將遷移學(xué)習(xí)方法運(yùn)用在慢病分析中有不同的實(shí)現(xiàn)策略，即如何實(shí)現(xiàn)慢病分析的遷移學(xué)習(xí)，

可分為2種，包括同構(gòu)遷移學(xué)習(xí)方法和異構(gòu)遷移學(xué)習(xí)方法。同構(gòu)遷移學(xué)習(xí)是采用分布相同的

方法進(jìn)行學(xué)習(xí)，但其源和目標(biāo)域特征空間不同、異構(gòu)遷移學(xué)習(xí)是分布相同、特征空間不同的

遷移學(xué)習(xí)。它是在不同特征空間中表示源和目標(biāo)域的場景里進(jìn)行。異構(gòu)遷移學(xué)習(xí)可以進(jìn)行針

對呼吸系統(tǒng)慢病的影像識別、慢病大文本的文本分類、藥物功效分類等深度學(xué)習(xí)算法模擬人

類大腦處理數(shù)據(jù)和創(chuàng)造制定決策的模式，常見的算法包括人工神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等。

在慢病分析領(lǐng)域，人工神經(jīng)網(wǎng)絡(luò)可以不依賴于固定的模型參數(shù)，其預(yù)測能力主要來自網(wǎng)絡(luò)結(jié)

構(gòu)與訓(xùn)練方式。常見的應(yīng)用于精準(zhǔn)診療慢病分析領(lǐng)域的人工神經(jīng)網(wǎng)絡(luò)一般包含了輸入層、隱

含層及輸出層。在慢病分析訓(xùn)練及預(yù)測過程中，輸入數(shù)據(jù)經(jīng)輸入層采集，通過隱藏層計(jì)算，

最終由輸出層輸出最終慢病分析相關(guān)預(yù)測結(jié)果，在人工神經(jīng)網(wǎng)絡(luò)中每個(gè)神經(jīng)元都具有各自的

權(quán)重、偏置、激活函數(shù)等參數(shù)，這些參數(shù)最終決定了模型的表達(dá)能力。

循環(huán)神經(jīng)網(wǎng)絡(luò)是以序列數(shù)據(jù)為輸入并進(jìn)行遞歸，所有循環(huán)單元均按鏈?zhǔn)竭B接的遞歸神經(jīng)

網(wǎng)絡(luò)。它具有記憶性，廣泛用于時(shí)間序列預(yù)測中。循環(huán)神經(jīng)處理序列數(shù)據(jù)，可預(yù)測時(shí)間序列

發(fā)生情況，對數(shù)據(jù)時(shí)序性要求較高，在網(wǎng)絡(luò)中表現(xiàn)為：除隱藏層之間的節(jié)點(diǎn)是連接的之外，

內(nèi)部相鄰的節(jié)點(diǎn)也是連接的。

（4）其他相關(guān)技術(shù)，常用的推薦算法，建立慢病健康知識庫為慢病分析推薦服務(wù)提供

依據(jù)，推薦算法是面向精準(zhǔn)診療的慢病健康知識推薦技術(shù)的核心，根據(jù)推薦慢病健康知識算

法策略不同，可分為協(xié)同過濾推薦、內(nèi)容推薦及混合推薦等推薦方法。

協(xié)同過濾推薦主要依賴慢病患者與發(fā)病程度等相關(guān)內(nèi)容的歷史交互信息，其本質(zhì)并不關(guān)

注患者本身的特性。此外，在協(xié)同過濾推薦算法的基礎(chǔ)上衍生出了基于神經(jīng)網(wǎng)絡(luò)的協(xié)同過濾、

基于回歸模型的協(xié)同過濾等推薦方法?；趦?nèi)容的推薦算法是通過某種方法得到患者與慢病

相關(guān)推薦的相似度，并以此為推薦的依據(jù)?；旌贤扑]算法，將患者的特征、屬性與協(xié)同過濾

推薦算法融合，基于圖模型的推薦方法可以作為混合推薦算法的一種，通過圖嵌入學(xué)習(xí)，從

而更加直觀、高效地還原患者與慢病初始空間中的關(guān)系。

圖像分割，在慢病診療過程中，需要通過如超聲、放射、病理等檢查報(bào)告進(jìn)行診療確認(rèn)，

而檢查報(bào)告往往涉及圖像的分析過程。通過面向精準(zhǔn)診療的圖像分割方法，可實(shí)現(xiàn)系統(tǒng)化、

快速分析、分類。圖像分割一般是指根據(jù)如紋理、形狀、灰度、顏色等在內(nèi)的特征把圖像劃

8

T/CIXXX—2023

分成若干個(gè)互不交疊的區(qū)域，使這些特征在同一區(qū)域內(nèi)呈現(xiàn)出相似性，不同區(qū)域間呈現(xiàn)出明

顯的差異性。

傳統(tǒng)的圖像分割方法是通過醫(yī)學(xué)圖像的先驗(yàn)特征進(jìn)行劃分的。它通過設(shè)定一個(gè)閾值，將

圖像的像素值與閾值進(jìn)行比較分類，通過醫(yī)學(xué)圖像的自身特性，諸如紋理、顏色、邊緣等作

為閾值標(biāo)準(zhǔn)進(jìn)行圖像劃分。針對基于深度學(xué)習(xí)的圖像分割，提供了基于標(biāo)準(zhǔn)深層網(wǎng)絡(luò)結(jié)構(gòu)的

基礎(chǔ)，以及新的算法模型。在圖像分類、檢測分割方面，卷積神經(jīng)網(wǎng)絡(luò)取得了巨大的成果，

它的多層結(jié)構(gòu)能自動(dòng)學(xué)習(xí)特征，并且可以學(xué)習(xí)到多個(gè)層次的特征。它可以對傳統(tǒng)分割區(qū)域賦

予特定的語義類別屬性，更為細(xì)粒度層面進(jìn)行分類，具有重要的研究意義和廣闊的應(yīng)用前景。

醫(yī)療大數(shù)據(jù)可視化技術(shù)，基于醫(yī)療大數(shù)據(jù)的精準(zhǔn)慢病診療可視化技術(shù)包含傳統(tǒng)的可視化

展示和信息可視化，從面向精準(zhǔn)診療的慢病數(shù)據(jù)分析角度出發(fā)，信息可視化技術(shù)尤為重要。

根據(jù)慢病數(shù)據(jù)類型可分為時(shí)空數(shù)據(jù)、非時(shí)空數(shù)據(jù)2大類。

時(shí)空數(shù)據(jù)是指具有地理位置與時(shí)間標(biāo)簽的數(shù)據(jù)?；诼〉臅r(shí)空數(shù)據(jù)可視化可以與慢病

發(fā)生的地理制圖相結(jié)合，與時(shí)間、空間維度以及慢病相關(guān)的信息對象屬性關(guān)聯(lián)，建立可視化

表征。面向精準(zhǔn)診療的慢病大數(shù)據(jù)環(huán)境下時(shí)空數(shù)據(jù)具有高維性、實(shí)時(shí)性等特點(diǎn)。針對慢病數(shù)

據(jù)的非時(shí)空可視化，包括層次和網(wǎng)絡(luò)數(shù)據(jù)可視化、文本和文檔可視化、復(fù)雜高維多元數(shù)據(jù)可

視化3類。層次數(shù)據(jù)可視化主要通過節(jié)點(diǎn)－鏈接法和空間填充法來實(shí)現(xiàn)。網(wǎng)絡(luò)數(shù)據(jù)不具有自

下向上或自上向下的層次結(jié)構(gòu)，這決定了網(wǎng)絡(luò)數(shù)據(jù)可視化可用弧長鏈接圖法和力引導(dǎo)布局圖

來實(shí)現(xiàn)。文本信息是醫(yī)療大數(shù)據(jù)時(shí)代非結(jié)構(gòu)化數(shù)據(jù)的典型，能夠?qū)⑽谋局刑N(yùn)含的語義特征形

象化表達(dá)，可采用標(biāo)簽云和文檔散，又稱旭日圖法的2種方法。復(fù)雜高維的多元數(shù)據(jù)是指具

有多個(gè)維度屬性的數(shù)據(jù)變量。高維多元慢病數(shù)據(jù)分析的目標(biāo)是探索高維多元數(shù)據(jù)項(xiàng)的分布規(guī)

律和分布模式，從而揭示不同維度屬性之間的隱含關(guān)系。

4.5慢病診斷預(yù)測技術(shù)

4.5.1慢病診斷預(yù)測技術(shù)概述

近年來，AI技術(shù)在疾病預(yù)測方面蓬勃發(fā)展，其技術(shù)主要是機(jī)器學(xué)習(xí)。AI預(yù)測疾病的

發(fā)展進(jìn)程見圖1。在臨床實(shí)踐中，機(jī)器學(xué)習(xí)預(yù)測模型可以突出關(guān)于個(gè)體患者護(hù)理決策的增強(qiáng)

規(guī)則，也能根據(jù)臨床規(guī)定自主診斷不同疾病。使用機(jī)器學(xué)習(xí)模型，可以提高醫(yī)療數(shù)據(jù)的質(zhì)量，

減少病人病發(fā)率波動(dòng)，并節(jié)省醫(yī)療成本。慢性疾病(ChronicDiseases,CDs)費(fèi)用占全球

衛(wèi)生費(fèi)用的主要部分，該疾病患者需要接受終身治療。因此，提出一種能幫助慢性病診斷和

9

T/CIXXX—2023

預(yù)測患者未來預(yù)后的決策模型是十分必要的。雖然在人工智能領(lǐng)域有許多方法來實(shí)現(xiàn)這一目

標(biāo)，但關(guān)于機(jī)器學(xué)習(xí)預(yù)測模型用于CDs的研究較少，這值得進(jìn)一步關(guān)注。

慢性病具有多發(fā)、起病隱匿、病程長、反復(fù)發(fā)作等特點(diǎn)[1]，給患者帶來生理和心理的

雙重打擊，嚴(yán)重影響患者的生活質(zhì)量，加重社會(huì)和經(jīng)濟(jì)負(fù)擔(dān)。近年來，已成為人類健康的主

要威脅。據(jù)世界衛(wèi)生組織報(bào)道，每年因慢性病死亡的人數(shù)占總死亡人數(shù)的74%。在我國，慢

性病發(fā)生發(fā)展形勢也極為嚴(yán)峻，慢性病死亡率已占總死亡率88.5%。因此，對慢性病的發(fā)生

發(fā)展以及結(jié)局的有效預(yù)測是及時(shí)發(fā)現(xiàn)患者病情、采取有效治療措施的重中之重。目前，臨床

常采用傳統(tǒng)的醫(yī)療電子信息系統(tǒng)整合患者的各項(xiàng)數(shù)據(jù)，然后基于特定的流程與知識庫對數(shù)據(jù)

進(jìn)行采集、計(jì)算，從而預(yù)測疾病的發(fā)生、發(fā)展。

但傳統(tǒng)的醫(yī)療電子信息系統(tǒng)只能進(jìn)行簡單的機(jī)械探索，對變量之間的非線性關(guān)系處理不

夠準(zhǔn)確，對數(shù)據(jù)的挖掘也不夠深入，且處理效率較低。交叉學(xué)科思維和技術(shù)為發(fā)病機(jī)制復(fù)雜、

病理過程長及數(shù)據(jù)多維、繁雜的慢性疾病的預(yù)測提供了新思路和新視角。目前在慢性病領(lǐng)域，

AI能做的還是以輔助醫(yī)生看診、緩解醫(yī)療資源緊張為主。這主要是因?yàn)槁约膊“l(fā)病過程

漫長，初期癥狀不明顯，在目前的醫(yī)療水平下，醫(yī)生只能在癥狀明顯時(shí)進(jìn)行診斷，而此時(shí)病

變已到達(dá)晚期。所以醫(yī)療AI的重點(diǎn)放在以大數(shù)據(jù)為基礎(chǔ)上的預(yù)測，將患者的生命指標(biāo)量化，

利用數(shù)據(jù)進(jìn)行科學(xué)精準(zhǔn)的診斷。這樣就彌補(bǔ)了人力在預(yù)測和判斷方面的不足，通過對病例數(shù)

據(jù)庫的深入研究，建立起特定疾病診斷的規(guī)則和模型，以及預(yù)測疾病的未來發(fā)展趨勢，進(jìn)而

幫助醫(yī)生預(yù)測病情、制定更加可靠的治療方案，在預(yù)防疾病的發(fā)展過程中，起到更好的保障。

圖2疾病預(yù)測方法進(jìn)展的魚骨圖

10

T/CIXXX—2023

4.5.2構(gòu)建基于大數(shù)據(jù)慢病診斷預(yù)測模型

通過云計(jì)算與數(shù)據(jù)挖掘等技術(shù)可對具有相同危險(xiǎn)因素人群做到“個(gè)體化”健康管理，為

慢病高危者進(jìn)行預(yù)警，從而指導(dǎo)其采取針對性的干預(yù)措施，有效降低慢病的發(fā)生。

醫(yī)療決策支持是智慧醫(yī)療的核心技術(shù)，以實(shí)時(shí)獲取和臨床積累的各種數(shù)據(jù)為基礎(chǔ)，通過

大數(shù)據(jù)技術(shù)對海量醫(yī)療數(shù)據(jù)進(jìn)行數(shù)據(jù)的收集、整合、存儲(chǔ)、分析，采用機(jī)器學(xué)習(xí)技術(shù)，分析

常見老年慢病危險(xiǎn)因素，提取出關(guān)鍵特征，然后采用邏輯回歸。決策樹、深度學(xué)習(xí)等機(jī)器學(xué)

習(xí)模型訓(xùn)練出慢病風(fēng)險(xiǎn)評估預(yù)測模型，將慢病風(fēng)險(xiǎn)進(jìn)行分級分層，見圖3。

圖3模型構(gòu)建流程

4.5.3慢病診斷預(yù)測技術(shù)

慢性病是指持續(xù)時(shí)間較長、進(jìn)展緩慢、病程波動(dòng)性大的疾病，包括糖尿病、高血壓、肥

胖、冠心病、中風(fēng)等。預(yù)測慢性病的算法可以幫助醫(yī)生進(jìn)行早期診斷和預(yù)防措施的制定，從

而降低患者的風(fēng)險(xiǎn)和提高生活質(zhì)量。以下是幾種常用的算法：

（1）知識圖譜構(gòu)建：知識圖譜構(gòu)建流程從實(shí)體定義，即從模式層的設(shè)計(jì)角度考慮，可

以劃分為Ｒ種類型，分別是自上而下、自底向上以及兩者結(jié)合。其中，自上而下的方式與傳

統(tǒng)概念網(wǎng)絡(luò)的構(gòu)建類似，需要專家在專業(yè)領(lǐng)域知識的范疇內(nèi)根據(jù)知識體系的結(jié)構(gòu)來定義本體，

即抽象層面的實(shí)體類型。在此基礎(chǔ)上，設(shè)計(jì)本體的屬性與本體之間的關(guān)聯(lián)規(guī)則，隨后基于

數(shù)據(jù)源進(jìn)行信息提取與數(shù)據(jù)填充。該方法對專家的領(lǐng)域知識及專家經(jīng)驗(yàn)的要求較高，適用于

專業(yè)性強(qiáng)的小規(guī)模的專業(yè)垂直領(lǐng)域，如企業(yè)風(fēng)險(xiǎn)知識庫等。在產(chǎn)業(yè)實(shí)踐中，通常會(huì)選取自底

向上的構(gòu)建方法，根據(jù)數(shù)據(jù)類型選擇不同的信息提取方法，在構(gòu)建本體時(shí)，觀察數(shù)據(jù)源的特

點(diǎn)并根據(jù)可抽取出的實(shí)體進(jìn)行歸納總結(jié)，并基于抽取出的有效信息設(shè)計(jì)模式層，最后選取合

適的數(shù)據(jù)庫存儲(chǔ)知識并進(jìn)一步研究應(yīng)用。知識圖譜包括了從數(shù)據(jù)處理到提取信息，形成并存

儲(chǔ)為知識圖譜的全過程。構(gòu)建慢病知識圖譜的功能是對數(shù)據(jù)源進(jìn)行知識組織，知識圖譜技術(shù)

可以將分散無序的數(shù)據(jù)源按照一定的原則、方法和知識體系組織起來，形成結(jié)構(gòu)化的三元組

形式，從而揭示知識間的關(guān)聯(lián)關(guān)系，便于知識發(fā)現(xiàn)，知識推理。將知識融合到模型里邊，也

可以提高模型的預(yù)能力。

11

T/CIXXX—2023

（2）遷移學(xué)習(xí)（TransferLearning）：遷移學(xué)習(xí)在慢病預(yù)測上的應(yīng)用是指將已經(jīng)在一

個(gè)相關(guān)任務(wù)上訓(xùn)練好的模型或知識應(yīng)用于慢病預(yù)測任務(wù)中，以提高預(yù)測性能和效果。通過特

征提取、微調(diào)、多任務(wù)學(xué)習(xí)、領(lǐng)域自適應(yīng)等方式預(yù)測慢病發(fā)展趨勢。遷移學(xué)習(xí)的優(yōu)勢在于可

以利用已有的知識和模型，在數(shù)據(jù)量較少或缺乏標(biāo)注的情況下，仍然能夠進(jìn)行有效的慢病預(yù)

測。然而，在應(yīng)用遷移學(xué)習(xí)時(shí)需要注意領(lǐng)域差異、數(shù)據(jù)偏移等問題，確保遷移的模型和知識

能夠適應(yīng)目標(biāo)任務(wù)的特點(diǎn)和要求。因此，針對具體的慢病預(yù)測問題，需要進(jìn)行合適的遷移學(xué)

習(xí)方法選擇和調(diào)整，以獲得最佳的預(yù)測性能。

（3）集成學(xué)習(xí)：集成學(xué)習(xí)在慢病預(yù)測上的應(yīng)用是指將多個(gè)基本模型的預(yù)測結(jié)果進(jìn)行組

合，以提高慢病預(yù)測的準(zhǔn)確性和魯棒性。集成學(xué)習(xí)通過投票法、平均法、堆疊法、提升法、

袋裝法等方式預(yù)測慢病。通過集成多個(gè)預(yù)測模型的結(jié)果，集成學(xué)習(xí)可以克服單個(gè)模型的局限

性，提高慢病預(yù)測的準(zhǔn)確性和魯棒性。

（4）強(qiáng)化學(xué)習(xí)在慢病預(yù)測中的應(yīng)用是指通過與環(huán)境進(jìn)行交互學(xué)習(xí)，以優(yōu)化決策策略來

達(dá)到最大化患者的健康效益。強(qiáng)化學(xué)習(xí)在慢病預(yù)測中的一些應(yīng)用方式如個(gè)性化治療策略、干

預(yù)優(yōu)化、數(shù)據(jù)采樣和處理、狀態(tài)建模和預(yù)測。在實(shí)際應(yīng)用中，需要仔細(xì)設(shè)計(jì)強(qiáng)化學(xué)習(xí)系統(tǒng)的

參數(shù)設(shè)置、獎(jiǎng)勵(lì)函數(shù)設(shè)計(jì)和訓(xùn)練過程，以確保安全性和有效性。

4.6慢病管理系統(tǒng)構(gòu)建技術(shù)

4.6.1慢病管理系統(tǒng)構(gòu)建技術(shù)概述

慢病管理系統(tǒng)是一種基于現(xiàn)代信息技術(shù)和數(shù)據(jù)分析技術(shù)的系統(tǒng)，旨在對患者的醫(yī)療健康

數(shù)據(jù)進(jìn)行管理、分析和應(yīng)用，以提高慢性疾病的管理和治療效果，降低醫(yī)療成本和患者負(fù)擔(dān)，

圍繞常見慢性疾?。ɡ绺哐獕?、糖尿病、帕金森、類風(fēng)濕等）的智能化健康管理流程，建

成基于云平臺的慢病管理平臺，完成慢病患者/高危群人的常見慢性疾病綜合篩查、飲食習(xí)

慣評估、運(yùn)動(dòng)風(fēng)險(xiǎn)評估、心腦血管評估、生活質(zhì)量評估、糖尿病患者自我效能評估、抑郁癥

評估、睡眠評估等8項(xiàng)評估項(xiàng)目，然后根據(jù)評估結(jié)果制定個(gè)性化人健康管理方案，同時(shí)結(jié)合

我縣原有的公共衛(wèi)生管理系統(tǒng)完成慢性病患者的建檔和隨訪管理、以及高危人群的篩查和建

檔工作。

基于大數(shù)據(jù)老年多重病風(fēng)評估預(yù)測模型對慢性病健康管理目前仍有一些待完善之處，

如樣本小、樣本不平、數(shù)據(jù)質(zhì)量及標(biāo)準(zhǔn)化差、模型適應(yīng)性差等問題，還存在數(shù)據(jù)安全性、隱

私保護(hù)關(guān)鍵技術(shù)、隱私保護(hù)法律法規(guī)等問題，故迫切需要建立完善的慢性病云數(shù)據(jù)庫，加強(qiáng)

醫(yī)療數(shù)據(jù)共享，研究樣本醫(yī)學(xué)教處理的模型優(yōu)化和過機(jī)合的解決方法，能診斷算法優(yōu)化等，

12

T/CIXXX—2023

促使數(shù)想采集、存情、處理技術(shù)快速發(fā)展，最終實(shí)現(xiàn)大數(shù)據(jù)背景下多重慢病風(fēng)險(xiǎn)預(yù)測模型的

健康管理模式。

4.6.2構(gòu)建慢病管理系統(tǒng)模型構(gòu)建

根據(jù)不同任務(wù)在管理過程中的執(zhí)行方式與觸發(fā)時(shí)機(jī)，可以將其歸為常規(guī)干預(yù)、異常干預(yù)

與自我管理支持三大類，其中常規(guī)干預(yù)包括診斷檢出、危險(xiǎn)評估、分級管理與常規(guī)隨訪；異

常干預(yù)包括危險(xiǎn)報(bào)警與依從度管理；自我管理支持則包括生活方式干預(yù)、用藥指導(dǎo)與健康教

育。這些任務(wù)之間存在著一定的時(shí)序關(guān)系，如診斷檢出、危險(xiǎn)評估與分級管理任務(wù)具有較明

顯的先后順序，生活方式干預(yù)與用藥指導(dǎo)一般跟隨分級管理任務(wù)發(fā)生，而健康教育、依從度

管理與異常報(bào)警任務(wù)的觸發(fā)則具有相對的不定時(shí)性。

基于所提煉的九大慢病管理共通任務(wù)，本研究進(jìn)一步依據(jù)我國的臨床路徑制定標(biāo)準(zhǔn)，將

這些任務(wù)進(jìn)行組合，形成具有時(shí)序特征的通用性慢病管理路徑。根據(jù)國家衛(wèi)生計(jì)生委于2017

年8月印發(fā)的《臨床路徑管理指導(dǎo)原則》，臨床路徑的制定需要明確以下幾個(gè)主要問題：（1）

實(shí)施路徑的病種；（2）路徑的進(jìn)入與退出標(biāo)準(zhǔn)；（3）標(biāo)準(zhǔn)診療流程所需的時(shí)間；（4）路徑變

異處理；（5）醫(yī)師版、護(hù)理版與患者版路徑文本。具體來看，在通用性慢病管理路徑中，實(shí)

施路徑的病種對應(yīng)為常見的慢性疾??；路徑的進(jìn)入標(biāo)準(zhǔn)為診斷明確，無嚴(yán)重合并癥且愿意接

受管理的相關(guān)慢病患者；路徑的退出標(biāo)準(zhǔn)包括患者出現(xiàn)嚴(yán)重的不良事件，無法繼續(xù)常規(guī)院外

管理以及因個(gè)人原因放棄管理等；標(biāo)準(zhǔn)診療流程所需的時(shí)間為長期管理；路徑的變異處理在

院外管理中主要體現(xiàn)為異常報(bào)警與依從度管理兩大異常干預(yù)類共通任務(wù)，需根據(jù)具體情況采

取相應(yīng)的干預(yù)措施。

面向醫(yī)護(hù)人員與患者的路徑文本則對應(yīng)常規(guī)干預(yù)與自我管理支持這兩大類的共通任務(wù)，

各版本的路徑文本相互關(guān)聯(lián)，形成統(tǒng)一的整體。以上述臨床路徑制定基本要素為基礎(chǔ)，結(jié)合

各類共通任務(wù)之間的時(shí)序性，最終形成的通用性慢病管理路徑如圖4所示。

13

T/CIXXX—2023

圖4基于路徑制定標(biāo)準(zhǔn)與共通任務(wù)的通用性慢病管理路徑

基于上述過程所構(gòu)建的路徑驅(qū)動(dòng)的數(shù)字化協(xié)同管理模型，如圖5所示。數(shù)字化協(xié)同管理

模型以通用性慢病管理路徑為核心，將不同的共通任務(wù)分配給不同的管理角色，以形成協(xié)同

式護(hù)理路徑。具體來說，診斷檢出任務(wù)由?？漆t(yī)師完成，并形成以用藥指導(dǎo)與生活方式干預(yù)

任務(wù)為主體的治療計(jì)劃；全科醫(yī)師主要參與危險(xiǎn)評估、常規(guī)隨訪以及異常報(bào)警三類任務(wù)，并

在干預(yù)過程中適時(shí)對患者的治療計(jì)劃進(jìn)行調(diào)整；個(gè)案管理師（護(hù)士）則主要負(fù)責(zé)健康教育與

依從度管理兩類任務(wù)。對于患者來說，其會(huì)經(jīng)歷管理初期與分級管理期兩大階段，其中分級

管理。

在傳統(tǒng)干預(yù)方式下由全科醫(yī)師完成，而在數(shù)字化管理背景下則一般由計(jì)算機(jī)輔助完成。

數(shù)字化協(xié)同管理模型的數(shù)字化特征主要體現(xiàn)在：患者的自我管理狀態(tài)能夠在信息技術(shù)手段的

幫助下，實(shí)時(shí)地傳輸給醫(yī)護(hù)人員；醫(yī)護(hù)人員的遠(yuǎn)程監(jiān)督與干預(yù)同樣能夠及時(shí)地作用于患者，

在病情進(jìn)一步加重之前提早進(jìn)行調(diào)整，從而形成完整的反饋回路，實(shí)現(xiàn)醫(yī)患之間的高效互動(dòng)。

基于數(shù)字化協(xié)同管理模型的標(biāo)準(zhǔn)化管理流程可以描述為兩個(gè)階段：管理計(jì)劃生成階段

與長期管理階段。在第一階段，患者將首先由來自二級或三級醫(yī)院的?？漆t(yī)師進(jìn)行較為精確

的診斷，并制定以用藥方案為主的初始治療計(jì)劃；如果患者的臨床狀況穩(wěn)定，無需住院治療，

則將其分配給下屬