基于人工智能预警建设 VTE 防控体系论文

SCI论文（www.lunwensci.com）:
 
 摘   要：  目的 ：以人工智能手段构建 VTE 预警管控平台，建立综合管理体系，促进对 VTE 防控的管理工作开展，降低医 院 VTE 发生率、降低死亡率。方法 ：通过建立 VTE 预警管控平台，实现在院患者数据的采集、自动结构化处理、自动风险评 分及 AI 模型风险分析，给出评估预警、诊断预警。结果 ：本研究所构建的 VTE 预警管控平台实现了全流程闭环管理，通过该 管理方式，医护人员能够得到患者 VTE 预警结果并及早干预。结论 ：通过该平台的建设，能帮助医院降低住院患者 VTE 发生 率，VTE 监测质量和效率得到有效的提升，具有值得推广价值。

关键词：静脉血栓栓塞症 ；风险评估 ；管理体系 ；信息化 ；人工智能
LAN Chunyu1, CHEN Xiaoze2, YANG Xuli1, LIU Guozhen3
(1.The First Affiliated Hospital of Nanchang University, Nanchang Jiangxi 330006;2.Xian Jiaotong Liverpool
University, Suzhou Jiangsu 215028;3.Peking University Medical Information Technology Co.,Ltd., Beijing 100080)

【Abstract】： Objective: Use artificial intelligence to build a VTE management and control platform, promote the management of VTE, reduce the incidence of in-hospital VTE, and reduce the mortality rate. Methods: Data collection, automatic structured processing, automatic risk scoring and AI model risk analysis of patients in the hospital were realized, and early warnings for evaluation and diagnosis were given based on the VTE management and control platform Result: Full-process closed-loop management were performed based on the VTE management and control platform constructed in this research. Through this platform, medical staff can obtain the patients VTE warning results and intervene early. Conclusion: The construction of this platform can help hospitals reduce the incidence of VTE in inpatients, and effectively improve the quality and efficiency of VTE monitoring, which is worthy of promotion.

【Key words】： venous thromboembolism;risk assessment;management system;informatization;artificial
intelligence

1 研究背景

静脉血栓栓塞症（VTE）包括深静脉血栓形成 （DVT）和肺血栓栓塞症（PTE），是全球性的医疗保健问题。王辰等近期的研究显示，我国年龄性别校正 的 VTE 患病率从 2007 年的 3.2/10 万人上升到 2016 年 17.5/10 万人，PE 患病率从 1.2/10 万人增加至 7.1/10 万 [1]。虽然 VTE 的医院死亡率与国际相仿，平均住院 日则明显高于国际数据。这些数据显示， VTE 是威胁住院患者生命的重要危险因素。

与高死亡率相反的是，临床管理中对于 VTE 的发 现、预警、预防措施实施，及确诊后的治疗监控手段都比较有限 [2-4]。临床上 VTE 的预警主要依赖于 Caprini 等评分量表，管理手段则主要依靠定期抽查填报率等方 式，管理效率较低，且存在预警不及时、处置不合理等 情况 [5-6]。目前已有医疗机构采用信息化手段进行 VTE 的监控和预警，建立了统一的预警监控系统 [7-11]。但经过分析发现，这些系统普遍存在预警不够智能化、管理 流程不全面等问题。

本研究提出了一种基于人工智能和信息化平台的全 流程管理方案，通过住院信息自动采集、AI 模型预警、 预警消息自动推送、预防处方建议、处置措施全流程监 控等措施，实现智能化 VTE 防控管理。初步的临床实 践结果表明，该平台促进了 VTE 防控管理的工作开展， 起到了较好的效果。


2 研究方法

本研究依托于医院信息平台和临床数据中心，通过 建立 VTE 综合管控平台，实现对入院患者 VTE 患者的 全流程管理。主要的研究路径如下 ：

2.1 多维度临床数据的自动接入及实时处理

本研究的数据源主要来自医院信息系统（HIS）、 电子病历系统（EMR）、临床检验系统（LIS），以及护 理系统、手术麻醉系统等。为避免数据获取中对临床业 务造成压力，本研究基于医院信息平台，以 MQ 消息的 形式，接入标准的 HL7 V3 格式消息，实现各业务平台 与 VTE 综合管控平台的数据交换。

在接入的数据中，对于文本类非结构化数据，平台 采用医学自然语言处理（NLP）技术进行了预处理。本 研究采用预置的中文医学术语词典，基于条件随机场 （CRF）模型实现中文分词及实体分类。由于结构化处 理任务明确，因此同时结合了规则模型，使特征抽取的 基准准确率能够达到 90% 以上。通过医学自然语言处 理，平台能够从入院记录等文本中抽取 VTE 发生的风 险指标，如既往手术史等信息，同时能够实现 Caprini 评分量表的自动填充。

2.2 建立风险预警模型

本研究主要建立了两类风险预警模型 ：基于量表评分 的模型，以及基于机器学习算法的评分模型。前者主要包 括 Caprini 评分量表、出血风险评分量表、DVTWells 评 分量表、PEwells 评分量表等四项内容。由于平台已经 实现了数据的实时采集及结构化处理，因此可以实现表 单的自动填充及风险计算。

本研究所采用的机器学习模型分为可解释的特征选 取（feature selection） 模型， 及基于深度神经网络的风险度计算模型。在模型训练过程中通过聚类、分类 模型，共纳入了 1000 余项临床数据特征，在剔除了频 率低、共线性强的特征后，最终选取了 308 项特征变 量（如恶性肿瘤史、肿瘤家族史、卧床时长、天门冬氨 酸氨基转移酶等），此特征空间远大于 Caprini 评分量 表的二十余项。通过医院历史数据，计算了模型的准确率、召回率等指标。同时由于模型所采纳的特征是在有 限空间内的，因此模型支持输出所纳入的特征范围，作 为评估结论的辅助数据。

在实际的临床应用中，为了兼顾风险管控强度与临 床医生的诊疗习惯，本研究采取了以量表评分为主（进 行预警消息的判断与推送）、AI 模型为辅（对于评分表 结果为低危，但 AI 评估风险度较大的患者进行补充预 警）的方式。

2.3 建立综合管理体系

本研究以信息化平台为支撑，建立起质控科、信息 科等管理科室共同参与，住院部、护理部医护人员协同 工作的综合管理体系。

首先患者入院后（排除未成年患者、24 小时内出入 院患者、入院前已有 VTE 患者），系统自动进行 Caprini 评分量表及 AI 模型评估，并将结果推送至主管医生进 行确认审核 ；主管医生需要给出预防处方 ；护理人员需 要执行处方内容，进行药物预防、机械预防等预防措 施 ；如在院期间发现诊断风险，则快速发出预警，由主 管医生进行 wells 风险评分并给出处置意见 ；质控科则 负责通过管理平台后台进行全流程监控，并定期审计各 科室的评分完成率、预防处方执行率等信息。

3 研究结果

本研究以信息化手段为基础，以人工智能方法为支 撑，构建了医院 VTE 综合管控平台。该平台以提升医 院患者 VTE 风险管理为目标，实现了以下管理功能 ：

3.1 实现风险信息自动判别及风险提示

本研究所构建的 AI 的深度学习模型通过大量样本 数据的学习、训练，分类出了 308 项的特征变量，依托 于中文自然语言理解和知识图谱技术，应用图卷积神经 网络、多层贝叶斯网络推理等算法，构建一套面向 VTE 的 AI 风险预测模型，显著提高 VTE 筛查的灵敏度和特 异性。经过对 300 份标注数据的验证，模型的灵敏度为 80%（对比 Caprini 评分量表的 57%）， 特异性为 84% （对比 Caprini 评分量表的 13%），优于传统的评分量表 效果，可以作为评分量表的有效补充，减少漏诊的风险。

基于上述模型，本研究构建了风险信息的自动判别 及风险提示业务流程。在患者入院治疗的过程中，系统会通过自动填充 Caprini 等评分量表及 AI 模型评分的 方式实时动态计算患者当前风险等级。当发生以下情况 时，系统会自动触发预警，并推送提醒消息至患者的主 管医生 ：（1）入院评估出现中 / 高危风险等级 ；（2）在 院期间，风险评分较上期风险评分有所升高（常由于某 些检验指标的变化而出现） ；（3）出院评估出现中 / 高危风险等级 ；（4）在院期间，下肢超声等影像检查出现 阳性结果。

对于前三种情况，系统会推送评估预警消息，要求 主管医生确认评估单内容并给出预防处方 ；对于第四种 情况，系统会推送诊断预警消息，要求主管医生进行 Wells 评分并给出处理意见。

平台通过与医生工作站整合，预警消息在医生工作 界面进行弹窗提醒，避免医生遗漏风险 ；同时由于平台采用了自动评分、医生审核的工作机制，相比于原来医 生手动填写评估单的方式，医生工作效率大大提升。经 过测算，Caprini 评分量表机器填写的准确率与人工填 写相当，但耗时由原来的约 20 分钟下降到不足 1 秒。

3.2 实现在院期间全流程数据监控

本研究所构建的 VTE 管理后台，通过对患者在院 期间各项指标的统计分析及可视化展示，实现了全流程 数据监控，具体包含以下内容 ：（1）患者水平的风险评 估信息。具体包括每名患者历次评分情况、评估结论、 评分变化趋势图等信息 ；（2）中高危风险过程监控信 息。具体包括每名患者的预防处方（医嘱）情况、影像 学检查结果、实验室检查结果等信息 ；（3）统计指标。 如在院患者数、各科室填报率、预防处方执行率等信息。

通过统计以上信息，医院可以对各科室 VTE 管理 工作开展情况进行分析。通过对试点科室的数据分析发 现，针对风险人群（中、高危患者）的预防措施实施率 上升 ；同时定性分析显示，预防措施更趋于合理化。出 血风险较高患者主要以机械预防措施为主，如分级加压 弹力袜 ( GCS) 等 ；对于出血风险较低的患者可以药物 预防或药物预防联合机械预防，如使用低分子肝素、华 法林等。


4 结语

本研究提出了一种基于人工智能和信息化平台的 VTE 风险全流程管理方案。该平台通过采集患者在院期间的各类数据，通过 NLP 处理、自动填表、AI 模型 分析等方式识别风险，同时建立预警消息自动推送、预 防处方建议、处置措施全流程监控等措施，实现了智能 化的 VTE 防控管理。初步的临床实践结果表明，该管 理措施起到了较好的效果。

参考文献

[1] Zhang Z,Lei J,Shao X,et al.Trends in Hospitalization and In-Hospital Mortality from Venous Thromboembolism, 2007 to 2016,in China.Chest.2018 Nov 9.pii:S0012-3692(18) 32721-1.
[2] 张丽,杨可欣,刘京坤,等.住院患者静脉血栓栓塞症规范化防 控体系的建立和应用[J].齐鲁护理杂志,2019,25(11):44-46.   [3] 徐晓艳,郭慧玲,刘红利,等.静脉血栓栓塞症专科护理防控管 理体系的建设及应用[J].血栓与止血学,2020,26(3):484-487.  [4] 赵红乐,代玲玉,吕梦,等.基于信息化平台医院静脉血栓栓塞 风险管理系统的构建及应用[J].护理学报,2018,25(24):9-12.  [5] 边静,丁舒,游兆媛,等.信息化静脉血栓栓塞症预防护理记录 单的应用[J].中国病案,2020,21(7):27-29.
[6] 虞正红,张琦,徐建鸣,等.医护合作静脉血栓栓塞管理信息化 平台的设计与应用[J].中国护理管理,2018,18(3):387-390.
[7] 李想,高薇,苏玉成,等.静脉血栓栓塞症智能评估与自动预警 系统的开发与应用[J].医疗卫生装备,2017,38(10):48-51.
[8] 黄小红,周玥杉,郭盛,等.医院静脉血栓栓塞症防治体系的构 建与临床实践[J].中国医院管理,2020,40(7):42-43+47.
[9] 曾凡平,杨英.医护数字化管理对静脉血栓栓塞性疾病的影 响[J].中国继续医学教育,2020,12(16):94-96.
[10] 徐晓艳,郭慧玲,刘红利,等.静脉血栓栓塞症专科护理防控 管理体系的建设及应用[J].血栓与止血学,2020,26(3):484-487. [11] 李笠,魏蓉溪,姚晓东.医院VTE风险评估与预警监控系统 的应用[J].中国卫生信息管理杂志,2020,17(2):223-226.

关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！

文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/34312.html