突发疫情疑似症状风险自查应用的交互设计研究

王时惠，李春辉，黄勋，胡建中，黄伟红†

（1.中南大学建筑与艺术学院，湖南长沙 410083；2.中南大学“移动医疗”教育部-中国移动联合实验室，湖南长沙 410008；3.中南大学湘雅医院医院感染控制中心，湖南长沙 410008）

新型突发传染病疫情，由于患者在发病前期缺乏与其他疾病显著区别的临床表现症状，导致普通病患者与感染患者因缺乏对自己病情判断的科学依据，盲目恐慌扎堆至医院候诊与就诊，导致门诊就诊人数高峰期突破上万，线下医疗资源被严重挤兑，医护24 小时超高工作负荷，候诊患者交叉感染风险激增，严重危害民众生命健康安全，造成不可估计的损失[1-2]，亟需快速总结临床判断经验，采取合理有效的疫情防控手段应对.

应突发疫情的防控需求，本研究基于中南大学湘雅医院于2003 年SARS 和2013 年H7N9 禽流感疫情防控经验，根据中国国家卫健委2020 年1 月28日发布的《防控方案》[3]与流行病学，制定了突发疫情疑似病案筛查与患者分类居家观察、隔离和立即就诊的早期防控策略，设计研发了疑似症状风险评估人机交互应用与筛查模式，于2020 年2 月5 日-2020 年2 月9 日上线推广使用.

1 文献综述与研究方法

1.1 突发疫情临床循证医学研究

2020 年1 月底，临床医护人员、流行病专家和病毒专家通过疫情爆发区病案研究，对突发疫情的感染源头、传播模式、临床症状及CT 胸片特征等进行了阶段性总结[4-5].

香港大学深圳医院通过对5 位家庭聚集患者进行流行病学、临床、实验室、放射学和微生物学跟踪研究，指出了新型病毒在医院和家庭群体聚集环境中具有人传人的特点[6]；武汉金银潭医院、中日友好医院和北京协和医院等，通过41 名确诊患者临床症状研究，总结出多数如高烧、咳嗽、肌肉酸痛或乏力等，少数如咳痰咳血、头疼、腹泻等临床症状.接近一半的患者从早期症状发展成呼吸困难与淋巴球减少症，所有患者都存在肺炎，呈现出非正常胸部CT 影像特征，并发症包括急性呼吸窘迫综合征、急性心肌损伤、血浆实时RT-PCR 阳性等[7]；中国国家卫健委发布了《防控方案（试行第三版）》，从疑似病例定义、临床症状、病案调查与汇报、特定人群个人防护等方面，提出了临床判断排查疑似病案的参考指南.

上述循证医学研究，快速总结了突发疫情传播与临床症状特点，为疫情防控与疑似症状筛查应用设计，提供了临床事实依据与参考.

1.2 突发疫情在线咨询服务与应用研究

2020 年1 月底，为应对线下医疗资源不足的问题，政府健康组织与医疗机构为民众提供了突发疫情线上咨询服务与应用.

中国武汉市同济医院开通了“发热门诊”线上咨询人工服务，患者通过线上病情症状描述，获得专家建议隔离观察或立即就诊的建议；好大夫、微医、微脉、妙手医生、平安好医生、阿里健康等医疗企业，在配备多名三甲医院的专业医生的资源基础上，开通了针对突发疫情的线上人工咨询服务；腾讯公司通过微信小程序，上线了突发疫情初筛服务.

上述线上人工服务虽缓解了部分线下医疗资源压力，但由于中国疑似感染突发疫情患者众多，线上候诊人数亦达上百人，等待时间漫长，亦耽误民众及时采取有效防护与医疗措施.而腾讯公司开发的突发疫情初筛小程序，其初筛内容与判断缺乏临床依据.

1.3 人工智能辅助突发疫情防控研究

2020 年1 月底至今，临床人员、计算机科学家、数据科学家、工程师、认知科学家及企业家，利用临床、流行病学、基因组数据，通过人工智能深度学习，进行了疫情预测防治、临床辅助诊断、疫情监控等方面的研究与应用.

匈牙利赛格德大学在柳叶刀上发表了突发疫情在中国以外的国家地区爆发的风险评估数学模型，由中国大陆积累的病案统计、与目的地国家的联系如旅行频率等、以及目的地国家所采取的防控措施等核心参数构成[8]；北京航天航空大学大数据中心联合中南大学湘雅第二医院放射科和上海智能图像处理有限公司，通过对176 名确诊患者（45.3±16.5 岁，96 位男性，80 位女性）的胸部CT 片进行研究，提取出63 个临床定量特性，如肺部的感染比率、毛玻璃状区域面积等.通过随机森林模型（RF model）进行训练分析临床定量特征与突发疫情严重程度的相关性，提高临床诊断效率与预测准确性[9]；美国凯斯西储大学计算机与数据科学中心利用AI 技术处理的大量实时产生的异质源数据，如源于公共健康组织的疾病相关数据、人口统计数据、移动数据、用户社交媒体所产生的定位数据等，进行社区AI 风险评估与公共场所疫情智能监控，辅助个体进行移动交通决策与个体防护[10].

上述与人工智能结合的突发疫情防控解决方案，可以帮助政府、临床工作人员与社会民众更好地进行疫情预防、临床诊断以及公共区域监控等，但在针对突发疫情疑似症状筛查方面，还缺乏针对中国患者与医疗情景的解决方案.

1.4 研究方法

本研究根据中国国家卫健委发布的《防控方案》，通过专家咨询、主观赋权法与人机交互设计方法，制定了突发疫情疑似病案线上筛查，辅助患者线下分流的居家观察、隔离和立即就诊的疫情防控策略，设计研发了便于向社会民众推广应用的、疑似症状风险评估应用与基于流行病学的智能筛查模式.通过医院感控、呼吸内科、危急重症科、疾病控制中心基于不同患者情况的小范围内部测试与可用性优化[11-14]，于2020 年2 月5 日上线推广应用.最后，通过应用后台用户使用数据统计验证与反馈，总结突发疫情防控策略、智能应用的优势与不足以及未来工作.研究方法如图1 所示.

图1 研究方法与技术路线Fig.1 Research method and design development process

2 突发疫情防控策略制定

针对上述疫情防控存在的问题，2020 年1 月底中南大学湘雅医院医院感控、呼吸内科、危急重症科、疾病控制中心专家，根据中国国家卫健委发布的《防控方案》在疫情监测、预防与控制等提出的疫情防控指导方针与具体指南，结合2003 年SARS 和2013 年H7N9 疫情防控工作中“新病案早期发现”与“患者鉴别分类、隔离、感染控制”的经验，经过专家组讨论与决策，提出了“人工智能辅助突发疫情线上患者分流筛查，线下患者分流观察、隔离与就医”的防控策略如下：

1）以中国国家卫健委发布的《防控方案》为指南，结合流行病学，进行普通患者与疫情疑似患者的鉴别分类与处理措施建议；

2）以指南中《流行病学调查方案》和《个案调查表》为参考，进行突发疫情疑似症状风险自评内容的设定，包括患者性别、年龄、职业等基本信息、高危特点评估、疫区接触与暴露史、既往病史和疑似症状5个部分的问题与选项设定；

3）根据流行病学，对问题选项进行风险评分权重、阈值和分类参考医疗建议设定.根据患者自身情况客观回答，构建线上智能鉴别分类筛查模式；

4）基于人机交互可用性之易学性原则[15]，考虑患者不同文化程度，设计简单易懂的突发疫情疑似症状风险自评的应用说明、问题与选项、以及措施建议参考；

5）基于人机交互可用性之效率原则[16]，考虑中国本地化线上线下多类应用与推广场景，设计极简的让用户进入程序、问题回答、选择等人机操作步骤，保证用户每次都能方便快速地进行自评.

3 人机交互与筛查模式设计

3.1 便捷易懂的人机交互设计

突发疫情疑似症状风险评估应用人机交互流程简单快捷，如图2 所示，一般用户根据客观情况做答，可在3 min 内完成评估.

图2 突发疫情疑似症状风险自评人机交互流程图Fig.2 Emergent epidemic self-assessment application interactive flow chart

具体评估内容，其问题与选项文字定义，考虑到不同文化程度的患者使用，将一些临床术语进行了简单易懂语句的转化，具体条目及选项如下.

1）患者基本信息：性别、年龄与职业；

2）高危特点人群的危险因素评估：医务人员，医院其他工作人员，病原微生物检测人员，野生动物接触相关人员，家禽/家畜养殖人员，孕妇和其他；

3）疫区接触与暴露史评估：患者是否佩戴口罩进行自我防护，在华南海鲜市场及周边接触或居住史，武汉地区旅行或居住史，武汉周边地区或本地病例持续传播地区的旅行或居住史，疫区发热或呼吸道症状患者接触史（如共同工作/学习/开会/探视或场所聚过，或在公共交通/房间/排队候诊的密闭空间呆过），流行病关联史（如出自同一家庭或生活在同一住户），以及聚集性发病（家庭/家族/社区/市县）等；

4）既往病史评估：高血压，糖尿病，心血管疾病，肺部疾病（如哮喘、肺心病、肺纤维化、矽肺等），慢性肾病，慢性肝病，免疫缺陷类疾病，恶性肿瘤或其他；

5）临床疑似症状评估：发热寒战，干咳，咳痰，咽痛，鼻塞流涕，头痛，乏力，肌肉酸疼，关节酸疼，呼吸大于30 次/min，呼吸小于30 次/min，心率大于100次/min，心率小于100 次/min，胸闷，恶心呕吐，腹痛、腹泻，结膜炎（异物感、烧灼感、眼睑沉重、分泌物增多等）.

用户根据自身客观情况完成评估后，系统后台将不同选项的风险评估分值统计，结合之前设定的患者分类阈值，给出评分及“居家观察”、“隔离或就医”以及“立即就医”的建议.

3.2 在线自查风险评估权重与患者分类阈值设定

突发疫情疑似症状风险自评内容包含4 个计分评估类别，分别为危险因素评估、疫区接触与暴露史、既往病史和疑似症状.不同选项对应的权重，见表1～表4.

表1 突发疫情危险因素评估及权重Tab.1 Risk weightage of risk factors in emergent epidemic

表2 疫区接触与暴露史评估及权重Tab.2 Risk weightage of epidemic area contact history

表3 既往病史评估及权重Tab.3 Risk weightage of past medical history

不同选项对应的风险权重和患者分类阈值，由感控中心、呼吸内科、危急重症科、疾病控制中心等专家，基于流行病学理论，先通过主观赋权法设定，然后根据临床多样化情况进行小范围内快速测试，优化风险权重分值及患者分类阈值.

分值在0～35 之间被判断为轻度疑似患者，建议进行居家观察；36～68 分之间被判断为中度疑似患者，建议居家隔离或就医；分值为69～179 分之间被判断为重度疑似患者，建议立即就医.

表4 疑似症状评估及权重Tab.4 Risk weightage of suspected symptoms

3.3 推广应用情况

2020 年2 月5 日，突发疫情疑似症状风险自评应用通过湘雅医院科普平台、微信朋友圈以及湘雅医院公众号发布，向全社会推广应用.

根据2020 年2 月5 日-2 月11 日后台用户访问量与应用人数统计，2 月6 日单日访问量突破9万，用户数突破1.6 万（见图3），被中华人民共和国教育部快速关注，给予了很高的评价，并在教育部官方网站对中南大学团队给予了表扬和鼓励[17].

图3 自评应用单日访问量以及使用用户数Fig.3 Daily visits and number of users of the emergent epidemic self-assessment application

高访问量以及高用户使用数，验证了本研究针对突发疫情防控进行的疑似症状风险自评、线上智能患者分类筛查与线下患者分流的疫情防控策略与智能模式的及时性与有效性，一定程度上缓解了社会盲目恐慌、线下医疗资源挤兑与患者交叉感染风险.

4 结论

针对突发疫情爆发期，由于公众缺乏对病情的科学临床判断依据，蜂拥至医院候诊与就诊，使得医院排查工作量与患者交叉感染风险激增，严重挤兑医疗资源，耽误患者及时医治，严重危害公共健康安全的问题，本研究提出了应对突发疫情，基于疑似症状风险自查的线上患者分类筛查，与线下患者分类观察、隔离与就医的防控策略，设计了智能辅助自查应用，让患者可以线上线下多场景应用（手机端与PC 段以及线下门诊），方便快捷，为民众提供了简单易行的临床判断科学依据，缓解了突发疫情早期民众盲目焦虑，降低了线下交叉感染风险以及医护人工排查工作量.同时，面对未来存在的突发疫情风险，本研究在前人研究基础上，针对国内患者的特点与使用情境，为医工交叉团队未来快速有效应对新疫情爆发风险，提供了疫情防控策略与智能模式应用的有效参考.

致 谢

本项研究感谢国家卫健委抗击突发疫情专家组成员、中华预防医学会医院感染控制分会主任委员吴安华教授，中南大学公共卫生学院院长胡国清教授，中南大学湘雅医院感控主任黄勋教授、副主任李春辉教授，中南大学湘雅三医院呼吸科主任孟婕教授，进行防控策略与智能模式制定、内容编写、审核和样本测试.中南大学湘雅医院网络信息中心主任冯嵩带领软件研发团队，在医院信息化服务体系的基础上，充分利用互联网技术，打通信息通道，快速开发部署，按期上线了本应用.