区域脑卒中救治平台的构建

陈 蕾 袁丙坤 彭 成 李文源

1 南方医科大学卫生管理学院 广东广州 510515;2 南方医科大学南方医院 广东广州 510515

据《中国心血管病报告2017》显示，我国脑卒中患病人数高达1 800万，粗发病率为345.1/10万人,且逐渐呈现年轻化趋势。在老龄化和不健康生活方式促使下，脑卒中年增长率高达8.7%[1]。因其高致残率、高死亡率、高复发率特点，不仅使患者丧失劳动生活能力，也会给家庭,医疗系统、社会保障体系带来沉重负担。因此,加强脑卒中的防治是一大公共卫生问题[2-3]。在救治过程中，一旦错过黄金时期，医生将无法按照常规流程对患者做出准确而迅速的诊断和治疗，此外，健康随访缺失等问题的存在，也会导致患者预后不良甚至死亡。目前关于脑卒中的研究较多集中在基础研究、影像分析、信息化平台应用、康复护理，生存质量研究等层面，较少关注卒中救治的全流程。本研究综合多学科基础，运用大数据并结合人工智能技术，构建卒中患者全流程区域救治平台，以期为其它地区脑卒中预防救治工作起到示范作用。

1 人工智能、大数据与脑卒中

人工智能[2]是一项旨在模拟人脑思考过程、学习能力和知识储存的计算机技术，几乎与计算机技术同时出现。2016年,AlphaGo[4]击败人类围棋世界冠军，提高了公众对人工智能的期待。2017 年 7 月,国务院印发了《新一代人工智能发展规划》，在医疗领域就要求推广应用人工智能治疗新模式新手段,建立快速精准的智能医疗体系。

医学的发展加之医学本身的异质性和复杂性，致使数据呈现变量多、体量大、结构不明显等特点，传统的数据处理方法无法对其进行有效的分析、搜索、储存，医务人员面临庞大的数据也可能束手无策。随着深度学习的发展，人工智能技术在大规模数据处理与挖掘方面具有较大潜能。在脑卒中方面，人工智能当前主要应用于致病基因筛选和挖掘、影像识别和高危因素分析、治疗过程中的康复治疗和患者管理、建立高危人群专病数据库、预测预后和协助医生指定临床决策等[5-6]。

此外,目前我国存在脑卒中患者基数大、诊疗救治流程不规范等问题[7-9]。因此本研究在大数据与人工智能技术驱动下，构建卒中患者院前-院中-院后流程化综合救治管理平台，实现高危人群筛查、健康宣教预防、急救过程衔接、院内救治绿色通道建立、院后随访管理的一体化。

2 脑卒中救治平台功能设计

2.1 高危人群筛查

医务人员对健康体检者进行检查、评估、结果记录、整合纳入形成标准化的健康体检数据库，参考弗明汉卒中风险评估量表(framingham stroke profile,FSP)与脑血管功能积分，通过机器学习的方式对健康体检大数据建模处理，形成脑卒中高危因素筛查模型。弗明汉卒中风险评估量表[10]是最早提出并得以广泛应用的简易卒中风险评估工具，对于指导卒中高危个体的一级预防决策具有重要价值[11]。脑血管功能积分是一项较敏感、便捷、无创、经济的早期预警新技术。通过检测脑血管功能积分，能够定量早期预警中风风险。健康体检人群数据库结合脑卒中高危因素筛查模型，从健康体检的人群中筛选出脑卒中高危人群，建立脑卒中高危人群管理数据库，根据筛查结果有针对性地干预，降低脑卒中的发病率、死亡率和伤残率。

2.2 健康宣教干预

作为单病种致残率最高的疾病，脑卒中给患者身心、家庭及整个社会医疗资源带来沉重的负担[12-13]。 脑卒中抢救送医时间过长，脑部缺血缺氧致残，因此脑卒中高危人群早期干预预防工作在卒中治疗全过程中承担着重要责任，多重预防作为先决步骤不可忽视，其早筛干预工作也具有巨大的隐形的社会效益和经济效益[14]。

从临床研究和统计的数据上看[15-16]，高血压、高钠饮食、肥胖、吸烟、糖尿病是我国脑卒中高发的重要风险因素，这也是其他多种慢性病的危险因素。这些危险因素到形成脑卒中之间存在早期识别的重点阶段，也是进行脑卒中健康宣教预防干预的重要时期，若能得预期的干预和控制，可显著降低相关疾病发病率。将预防干预信息与已有的脑卒中高危人群数据库结合，进行数据挖掘筛选，构建干预模式，创新现有的医患互动模式，有针对性地选择生活方式干预、危险因素干预、药物干预、动态干预管理或组合干预，可有效降低脑卒中发病率。

2.3 院前急性衔接

面向脑卒中患者的急救衔接系统，分为院前转诊端APP和院内医生端APP，主要用于院前急救及预检分诊。院前急救端APP供区域急救网络成员医院医生使用，可以提前获取转诊患者信息，进行远程会诊、病情评估、院前预警、转院交接、质量控制等。院内医生通过院内端可收到运送提醒，可进行院前信息查看、院内流程管理、导管室监控、手术管理与质量控制。因此脑卒中患者、区域急救网络医院(院前医生)、救护车、卒中救治医院(院内医生)的救治连接更加紧密，通过平台建设，支撑卒中中心的网格化、规范化、标准化救治体系。

2.4 院内绿色通道

为优化改进救治绿色通道各个环节的工作质量和效率，DTN时间(door to needle：患者从入院至静脉输注溶栓药物的时间)分析系统应运而生。该系统涵盖卒中救治环节中的急诊医生护士、院内转运人员、影像诊断医生、检验医师、神经内外科医生护士等。同时通过无线电讯号识别特定目标并读写相关数据来实现患者时间采集。为患者佩戴可重复使用的RFID(radio frequency identification)有源标签，在通过指定场所时可以自动采集患者进出场所的时间。对于不能全自动采集的质控点，可以通过扫描二维码即可记录质控点名称、发生时间和执行人信息。此外，纳入时钟同步系统，保证卒中患者救治各科室墙上的电子时钟、医生工作的电脑端、医生的手机端、生命体征采集系统时钟的自动同步，使得全院的救治在时间上统一。DTN 时间分析系统将精准记录卒中救治每个环节中的处置过程与数据，基于DTN 时间分析系统获得的数据，展开医院内部质量分析与考评，从而不断优化各环节工作质量，提高救治效率，为卒中患者院内救治赢得每一分钟的生命窗口时间。

2.5 脑血管随访管理

随访管理系统,包括医生健康管理端、微信小程序患者端、后台管理端，并且支持与“南方医院互联网医院”小程序前端入口对接集成为独立小程序。医生可通过系统进行档案管理、制定健康计划，在线聊天，动态随访等；患者可收到信息提醒，查看医嘱完成度，进行体征自我记录，根据宣教模式自我教育，在线互动等。为保证信息传达的及时有效性，医生端采用“抢单”模式，即医生对患者为多对一模式，有效避免患者等待时间过长，延误最佳干预治疗时间。后台主要进行账户维护、随访数据库管理、创建维护健康知识库，定期推送卒中康复知识。随访管理系统用于脑卒中高危人群及康复出院后患者的持续跟踪、管理、数据的采集，为患者与医生的沟通咨询等服务提供渠道，实现院外患者与卒中中心的远程沟通，协助患者在院后康复阶段能够得到医院的远程医疗服务，以促使患者的复发率降低。

3 脑卒中救治平台诊疗流程

区域脑卒中救治平台在实现早期筛查端口和救治端口前移的情况下，为卒中高危人群和突发人群规划最佳的干预及救治措施，实现高危脑卒中患者合理干预和脑卒中突发患者急救过程的一体化，从而降低脑卒中高危人群发病率，缩短突发患者救治窗口时间，提高救治效率。基于这样的目标，救治平台诊疗标准化流程需要把握高危筛查、健康宣教、急救衔接、绿道建设、随访管理等几个关键点，全流程见图1。

图1 脑卒中救治平台诊疗流程图

4 脑卒中平台应用实践的思考

随着现代技术的发展和医药卫生体制改革的不断深化，作为大型三甲公立医院，南方医院紧跟国家政策要求，在脑卒中高危人群识别、脑卒中健康宣教模式研究、规范救治流程、提升救治水平和预后状况等方面下功夫，努力提高医院管理能力和医疗服务水平。

4.1 脑卒中救治平台管理由“碎片化”走向“整体化”

全流程涉及的医务人员复杂，科室众多，人员及科室各司其职，保证救治流程及医院日常运行。各司其职在一定程度上意味着墨守陈规、信息孤岛、碎片化管理。全流程每个环节上人员都应对救治全流程有清晰的认知，亦称整体性思维。整体性思维下的各司其职才能发挥新平台的优势，展现专业化水平。

4.2 把握脑卒中救治关键质控点

神经内科协同医务处、信息科及质量管理科成立卒中质控小组，提出要完善脑卒中急救质量控制平台。利用人工智能技术，建立数学协同模型，结合无线电讯号技术，实现对院前接诊、初步诊断、治疗检查、溶栓治疗、转归治疗每个环节时间点和时间段的精准记录，时时监管是否偏离规范和指南，从而实现异常患者的重点关注，提升应急能力。

4.3 完善脑卒中数据上报体系

完善医院数据采集上报系统，实现与脑防委数据系统的对接。我院既要保证数据的完整性、规范性、逻辑性，为国家制定出台相关政策提供依据，又要从脑防委庞大数据中学习发掘值得借鉴的经验要点，调整我院流程规范以更加适应社会需求。

4.4 明确人工智能技术角色定位

人工智能技术在脑卒中的防治领域取得一定成就，但是真正转化成临床上的生产力还是需很长一段时间和距离。此外，抛开技术本身的限制，人工智能技术还会带来伦理问题，例如失误的后果谁来承担。因此，充分发挥人工智能技术的同时，更要掌控人工智能，而不能成为人工智能的工具。应始终坚持以人为主导、人工智能为辅助的手段，健康是最终目的的原则。

4.5 适时开展满意度调查和需求分析

满意度的调查评价和需求分析在医院管理过程中扮演着日益重要的角色[17-18]。卒中患者入院治疗期间，医院不仅对患者从生理上给予救治，而且关注其行为心理特征，分析患者及家属心理及情感变化，进而改进相关工作，提升服务质量，塑造医院口碑。