人工智能驱动下的脑卒中高危人群早期筛查和预防工作模式研究

来源:用户上传      作者:

　　[摘要] 当前我国面临着人口老龄化加速、慢性病高发和医疗负担重的现实问题，脑卒中作为当前高发疾病之一，其高致残致死率给家庭、社会带来严重负担。目前人工智能飞速发展，具有处理大数据的天然优势，在医疗领域也有很多应用落地，本研究重点探索基于人工智能驱动下的的脑卒中高危人群早期筛查和预防工作模式，并探讨其内涵、构建思路及研究内容，从而为治未病、降低脑卒中发病率提供参考和借鉴。
　　[关键词] 人工智能；脑卒中；早期筛查；预防
　　[中图分类号] R743.3 [文献标识码] A [文章编号] 1673-7210（2019）04（b）-0165-05
　　Early screening and prevention work mode of high-risk stroke patients driven by artificial intelligence
　　ZHOU Teng1 BAI Lu1 CHEN Yige1 LI Wenyuan2
　　1.School of Health Management， Southern Medical University， Guangdong Province， Guangzhou 510515， China； 2.NanFang Hospital， Southern Medical University， Guangdong Province， Guangzhou 510515， China
　　[Abstract] At present， China faces the real problem of accelerated population aging， high incidence of chronic diseases and heavy medical burden. Stroke is one of the current high-risk diseases， and its high disability and mortality rate imposes a serious burden on families and society. At present， artificial intelligence is developing rapidly， and it has the natural advantage of processing big data. There are also many applications in the medical field. This study focuses on the early prevention and intervention mode of stroke-based high-risk population driven by artificial intelligence， and explores its connotation， construction ideas and research content， so as to provide reference and reference to prevent the disease， reduce the incidence of stroke.
　　[Key words] Artificial Intelligence； Stroke； Early screening； Prevention
　　脑卒中（cerebral stroke）又称“中风”“脑血管意外”（cerebra vascular accident，CVA），是一种急性脑血管疾病，由于脑部血管突然破裂或因血管阻塞导致血液不能流入大脑而引起的脑组织损伤的一组疾病，包括缺血性和出血性卒中。據《中国心血管病报告2017》，推算我国现脑卒中患病人数为1300万例，是全球中风风险因素占比最高的国家之一[1]。脑卒中可怕之处还在于其严重的致死致残率，其中77.7%的患者终生残疾，导致家庭生产力急剧下降，家庭负担沉重。随着医学发展的长足进步，目前的各类组学、影像学等检测会产生大量的数据，这些数据体量大、变量多、结构化不明显且随时间不断积累，传统的数据分析方式难以对其进行分析、搜索、解释和储存，人工智能技术在数据初筛、预防跟踪、治疗干预等大数据处理方面方面表现出巨大的潜能，目前已经在脑血管疾病相关影像诊断、综合数据测算、异常数据报警等方面取得初步成效。本研究重点探索人工智能与脑卒中高危人群早期筛查和预防工作的有机结合，构建卒中高危人群筛查分析系统与数据库，通过与人工智能下的筛查数据库进行同步与信息交互，进行更加完善、可以动态管理的预防工作，结合了健康宣教和预防干预，从而使筛查出的高危人群数据能被有效利用、连通宣教与预防工作，达到更好地一级、二级预防效果。
　　1 国内外研究现状
　　研究表明，当前低收入、中等收入国家和高收入国家之间卒中负担的差异一直在增加，大约75%的卒中死亡和超过80%的残疾调整生命年（DALY）现在发生在中低收入国家[2]。美国每年新增的缺血性脑卒中患者超过69万人[3]，每年有24万多人罹患短暂性脑缺血发作（TIA），每年缺血性脑卒中复发风险为3%～4%。从20世纪50年代开始，美国开始了脑卒中的人群防治，50多年间，脑卒中死亡率下降60%，过去的40年，脑卒中发病率在发展中国家增加了一倍，而同期在发达国家则降低了42%[4]。第66届联合国大会宣言明确指出：“更加优先重视慢病的检测，早期发现、筛查，诊断和治疗以及预防控制；同时实施具有成本效益的干预措施，保护那些有高患病风险的人群。”当前国外的卒中高危人群早起预防教育模式研究成果众多，Maniva等[5]学者针对卒中健康教育技术应用进行了综合研究，表明目前健康教育对预防卒中具有重要作用，主要教育技术有印刷手册、传单、钱包卡、漫画和海报、以及电子视频、游戏等，通过大量的途径进行卒中宣传教育，来达到预防提升知晓率；Pandian等[6]学者研究指出重点控制烟草、降低盐摄入量和其他饮食干预来保证营养充足且均衡，此外还可以通过移动技术（mhealth）的试用来进行健康教育和一级预防，联合各级卫生保健部门通过监测和等级实施二级预防，遵照各国已有的高血压和卒中疾病指南进行完善。 　　当前我国针对脑卒中高危人群早期预防模式研究已有部分成果，其中包括高艳等[7]学者研究的家庭医生签约服务模式，研究证明该模式可以有效地控制和减少脑卒中高危人群危险因素，但是在生活方式干预方面效果仍不理想；哈提米汗·买买提等[8]选择互联网+模式进行高危人群的健康宣教，并验证其效果可以在一定程度对高危人群生活方式进行改善；黄凯帆等[9]学者选取医院-社区协同健康管理模式对脑卒中高危人群进行健康宣教和干预，并由研究结果证明该模式可以有效改善高危人群对卒中风险认知和健康生活行为；此外还有医联体模式的干预管理，通过在三级医院神经内科等专科医师指导下，提高社区医务人员对脑卒中高危人员筛查、规范化诊治及管理的能力，并对患者进行干预，结果显示高危人群知晓率和自我管理能力均有提高[10]。
　　2 人工智能驱动下的脑卒中高危人群早期筛查和预防工作模式的内涵和构建思路
　　2.1 人工智能与脑卒中
　　人工智能（artificial intelligence，AI）当前还没有一项通用的定义，根据Giger[11]的定义，人工智能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[12]。
　　2019年1月8日，美国肿瘤学会主办的《临床医师癌症杂志》发表了美国2019年肿瘤最新的统计报告[13]，从1991年起连续25年的数据指出癌症死亡率持续下降，这都得益于戒不良生活习惯、早筛和其他免疫治疗的防治措施。与癌症早筛类似，脑卒中也可由早期筛查、快速诊断并及时干预以减轻其危害。但大量的病患以及潜在病患的相关身体素质监控却是一个庞大的数据库。庞大的数据对于非医护人员来说是一堆无法解读的密码，而对有限的医护人员来说，暂且不说医护专家对于疾病的医治手段良莠不齐，有限的医疗人员也无法解决源源不断的庞大的数据。近几年随着深度学习的火热发展，医学影像人工智能在这个领域大放光彩。得利于硬件技术和软件技术的快速发展，结合医学影像人工智能自动识别具有潜在危险因素的图像，利用人工智能技术从庞大的数据中即刻筛查有用的数据以预防脑卒中变得可实现。人工智能是大数据时代的必然产物，通过人工智能技術，建立以疾病为中心的专病数据库，获取清楚、准确、优质的数据，并在这些大数据中寻找关联和模式，通过对结构化数据的整合、分析，帮助医生更全面地了解病人，从而更好地对患者早期筛查，实现精准诊断和个性化的治疗[14]。
　　医学AI作为承担生命重任的行业，发展至今不过短短数载，行业已经发展的如火如荼，但未来的路还任重而道远。近年来，脑卒中方面的AI产品也相继问世，产品多为医学辅助诊断系统，服务于国内外上千家大型医院。卒中便捷携带式产品也将成为预防监控卒中的新宠。随时监控使用者的身体各项指标，快速见异常发送给亲属或者主治医生，整个过程为患者节约宝贵的救治时间。
　　当前人工智能已广泛应用于各行业，美国现在有一半的医院采用自动语音识别来帮助医生完成医嘱抄录，且使用率还在迅速增长；IBM的Watson借助自然语言处理技术来阅读和理解大量医学文献，通过假设自动生成来完成自动诊断，借助机器学习可以提高准确率[15]。而在脑卒中方面，人工智能当前主要应用于脑卒中的疾病基因筛选和挖掘[16]、诊断过程中的影像识别和高危因素分析、治疗过程中的康复治疗和病人管理等、建立卒中高危人群专病数据库、卒中患者抢救DTN时间分析系统、预测预后和协助医生指定临床决策等。本研究基于人工智能驱动，通过将预防干预工作信息与之前构建的脑卒中高危人群专病数据库结合，进行数据挖掘和筛选，构建干预模式，针对性的选择不同方式进行健康教育和干预。
　　2.2 脑卒中早期筛查可监控的危险因素
　　2017年中国脑卒中防治报告[17]指出，2016年综合标化患病率测算我国40岁以上人群现患和曾患脑卒中人数达到1242万人，其中脑卒中患者年轻化趋势明显，预计中国2012～2030年慢性病造成的经济影响总量将会高达27.8亿美元。同时，由于我国当前居高不下的老龄化问题和不健康的生活方式比重，脑卒中的发病率持续增长，年增长率从达到8.7%；2015年中国40岁以上的脑卒中患病率约为2%，年增长率高达8.79%，复发率高达17.7%[17]。
　　从流行病学角度看，只有一级预防才能有效降低疾病人群的发病率。且由于卒中的高发病率、高死亡率和高致残率给社会、家庭和患者带来沉重的负担和巨大的痛苦，因而强调一级预防、减少卒中的发生尤为重要[18]。2018年国际脑卒中大会报告上汇报了当前我国卒中防治的进展，当前已开展区域防治网络体系和中心建设、规范基地医院救治和绿色通道、编写卒中防治指导报告、且大力开展健康教育。国际大量的研究也足以证明卒中可防可控，需要全方位的进行预防和控制。根据2013年全球疾病负担（GBD）研究[2]，潜在可改变的风险因素导致超过90%的中风负担，而超过75%的负担其实可以通过控制代谢和行为危险因素来减少。国际大量的研究也足以证明卒中可防可控，需要全方位的进行预防和控制[17]。
　　从临床研究和统计的数据上看[19]，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。在脑卒中预防中重点关注可控制因素，其中包括体重指数（BMI）、血糖、胆固醇、饮食、运动、吸烟、心血管疾病、高血压、糖尿病等，和可干预因素，包括代谢综合征、酗酒、高同型半胱氨酸血症、偏头痛、高脂蛋白、睡眠呼吸暂停、吸毒等。
　　3 人工智能驱动下的脑卒中高危人群健康宣教预防干预工作模式的内容
　　本研究在使用人工智能建立好脑卒中高危人群筛查系统和数据库的基础上，将健康宣教与预防干预相结合，通过创新现有的医患互动模式，来构建健康宣教、生活方式干预、危险因素干预、药物干预及动态干预等脑卒中预防系统。具体工作模式详见图1。
　　通过将线上的人工智能脑卒中高危人群专病数据库与线下卒中高危人群早日预防干预工作模式进行的信息交互实现实时信息流通，针对脑卒中高危人群数据库中的每一个个体，进行动态的改善和监控，实现灵活的干预和实时的反馈。 　　3.1 健康宣教
　　对筛查出的高危人群进行持续性健康教育干预，宣教脑卒中危险因素标准[20]。主要通过多媒体信息平台方式，给予高危人群“警示”作用，提高主动预防的意识。通过联合区域内医院与社区一体，对脑卒中高危人群采取多种信息平台的宣教，如微视频宣教、微信公众号推送、健康短信提醒、定期检查建议，讲解脑卒中相关成因、危险因素、可控因素等。
　　此外，交谈是非常有效的沟通方式，可进行一次或多次交谈，也可用复述形式强化记忆，针对文化水平较高群体，派发小册子、宣传卡等供其阅读和学习；聘请专家到各大社区进行现场授课、答疑。
　　3.2 预防干预
　　3.2.1 生活方式干预 脑卒中生活方式干预，主要通过脑卒中信息平台与医患沟通方式，指导高危人群在合理膳食、适量运动、戒烟、限酒、控制体重、心理平衡等方面进行居家干预。根据个体的不同情况，还要询问了解个体的生活方式，在此基础上指出患者不当的生活方式，并给出全面合理的建议对其生活方式进行指导，倡导健康生活方式，多吃蔬菜水果、牛奶、豆制品等，控制盐的摄入量、避免高油高盐食物；鼓励适量的运动，锻炼心肺功能；戒烟限酒、保持积极良好的情绪等。
　　3.2.2 危险因素干预 脑卒中危险因素干预，主要通过脑卒中信息平台与定期随访方式，对高血压病、房颤、其他心脏病、糖尿病、血脂异常、颈动脉狭窄等检验检查指标进行跟踪干预。
　　专门设置护理人员进行随访工作，对伴有高血压、高血脂、糖尿病的高危患者，通过专科医师对慢性病的诊治，强调规范用药的必要性。随访内容包括生活习惯改变、危险因素治疗与控制、药物的干预落实情况、心脑血管事件的发病情况等。
　　3.2.3 药物干预 脑卒中药物干预，是针对中风高危个体随访情况，通过脑卒中信息平台，根据个体卒中风险及相关慢性病的患病情况，除开展形式多样、持续性、易于接受的宣传教育外，给予治疗性药物干预处方，包括抗高血压药、他汀类药物、抗血小板类药和中成药等。
　　目前较多研究结果指出，抗血小板凝聚和应用低剂量的抗凝药物可以明显降低脑卒中的发生率。参照中国脑血管病一级二级预防指南示范用药[21]，早期或轻度高血压患者首先采用改变生活方式干预，3个月效果不佳者采用抗高血压药物治疗；中度以上高血压进行持续合理的药物治疗，控制血压<130/80 mmHg（1 mmHg=0.133 kPa）；对脑卒中高危人群糖尿病患者给予药物治疗，控制空腹血糖<7.0 mmol/L；血脂异常患者应采用他汀类药物治疗，例如给予阿托伐他汀钙片。监测药物不良反应并及时妥善处理。通过药物干预后，进行物联网的数据动态监控。
　　3.3.3 动态干预 研究构建的脑卒中高危人群动态干预管理，将依托脑卒中高危人群数据库，对高危人群进行定期追踪随访、动态管理。
　　对高危个体进行3～6个月定期复查、随诊；观察脑血管功能积分值变化及各项指标变化；根据表格管理及时掌握健康促进情况；定期组织脑血管病防治知识健康教育；与患者形成良性互动，激发患者主动参与管理；阶段性评估，针对性地调整方案。
　　通过灵活和具体的信息传递与反馈，基于人工智能算法的大数据处理，对区域内脑卒中高危人群的各项指标数据进行动态的监控与评估，再由此进行个性化的管理。
　　4 小结
　　脑卒中是单病种致残率最高的疾病，其高发病率、高死亡率和高致残率给患者身心、患者家庭及整个社会医疗资源带来沉重的负担[22-23]。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，脑卒中因为其高致残率，导致抢救送医过程的时间过长，患者送至医院是已经因为缺氧缺血导致大脑损伤致残，因此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社会效益和经济效益[24]。在如今高速发展的人工智能支撑下脑卒中高危人群早期筛查和预防工作已经变得可实现，本研究建立了从查体到数据集成分析到健康宣教、生活方式干预、危险因素干预、药物干预及动态干预等脑卒中预防系统，旨在构建完善的、全面的预防干预体系，能够与人工智能卒中高危人群数据库形成对接，对脑卒中的早筛早治具有明显的促进作用。
　　[参考文献]
　　[1] 陈伟伟，高润霖，刘力生，等.《中国心血管病报告2017》概要[J].中国循环杂志，2018，33（1）：1-8.
　　[2] Feigin VL，Roth GA，Naghavi M，et al. Global burden of stroke and risk factors in 188 countries，during 1990-2013：a systematic analysis for the Global Burden of Disease Study 2013 [J]. Lancet Neurol，2016，15（9）：913-924.
　　[3] Go As，Mozaffarian D，Roqer VL，et al. Heart disease and Stroke statistics-2014 update：a report from the American Heart Associatio [M]. Circulation，2014，129（3）：148.
　　[4] 高偉飞.缺血性脑卒中一级预防管理路径的制定及效果分析[D].杭州：浙江中医药大学，2018：3-5.
　　[5] Maniva S，Carvalho Z，Gomes R，et al. Educational technologies for health education on stroke：an integrative review [J]. Rev Bras Enferm，2018，71（suppl 4）：1724-1731.
　　[6] Pandian JD，Gall SL，Kate MP，et al. Prevention of stroke：a global perspective [J]. Lancet，2018，392（10154）：1269-1278.
　　[7] 高艳，刘佳，王爽.家庭医生签约服务模式对脑卒中筛查高危患者干预效果观察[J].当代医学，2018，24（35）：57-59.
　　[8] 哈提米汗·买买提，王育珊，徐晓璐，等.“互联网+”健康管理干预模式在脑卒中高危人群中的应用效果[J].广西医学，2018（7）：822-824.
　　[9] 黄凯帆，吕红英，王妙芳.医院-社区协同健康管理模式在脑卒中高危人群中的干预效果分析[J].中国实用医药，2018，13（19）：132-133.
　　[10] 张蓬川，宋炜，王海英，等.医联体模式下脑卒中高危人群筛查和干预的社区管理及效果评价[J].中国医药导报，2017，14（30）：180-184.
　　[11] Giger ML. Machine learning in medical imaging [J]. J Am CollRadiol，2018，15（3 Pt B）：512-520.
　　[12] 王韬，杨昆，焦力群.人工智能在脑卒中诊治中的应用现状和展望[J].中国微侵袭神经外科杂志，2018，23（6）：281-284.
　　[13] Rebecca L，Siegel MPH，Kimberly D. Cancer statistics，2019 [J]. CA，2019，69（1）：7-34.
　　[14] 朱永基.人工智能可支持脑卒中数据平台[N].健康报，2017-05-22（08）.
　　[15] 朱善邦，王婷，徐卫东.人工智能诊疗平台在医学领域中的应用[J].中国医疗设备，2019，34（1）：152-155.
转载注明来源:https://www.xzbu.com/6/view-14704842.htm