川崎病辅助决策系统的建立和临床应用

蒋 蓓 黄 敏* 陈 明 姚晨龙 武月圆 金珑喆

1(上海市儿童医院，上海交通大学附属儿童医院信息部 上海 200062)2(上海海洋大学信息学院 上海 201306)3(上海俊泽软件有限公司 上海 200093)

0 引 言

川崎病KD又名黏膜皮肤淋巴结综合征，一般好发于5岁以下幼儿，目前病因尚未明确，其主要病变为全身性血管炎[1]。川崎病近年来的发病率仍呈上升趋势，随着对KD认识的加深及诊断技术的进步，临床上KD的确诊率和治疗率也在逐渐增高[2]。但尽管如此，仍有一定数量的患儿因早期症状或体征的不典型被漏诊或误诊[3]。在有关川崎病的研究中一直都有对川崎病诊断模型的研究，但是较少地应用至临床[4]。因此，本文拟构建一套川崎病早期诊断辅助程序，选用了扩展性较好的B/S架构。以我院制作的模型为例，探究川崎病诊断模型应用至临床的方法，使用时可通过录入相应指标最终得出川崎病诊断风险，有效辅助临床医生做出诊断决策，提高川崎病的诊断效率，并推广、普及川崎病的诊疗方法，让川崎病儿童可以更早地得到关注和治疗。

1 软件设计与框架

1.1 软件设计

本系统中，Logistic回归算法逻辑采用Apache软件基金会下的开源工具Commons-Math3。它是一个轻量级、自包含的数学和统计学组件库，用于解决Java编程语言或Commons Lang中不可用的最常见问题。应用Java语言进行编程，参数估计采用极大似然估计，使用N-R迭代法求解参数的估计值，回归方程显著性检验采用likelihood似然比检验，回归系数的检验采用wald 2检验，制作具有通用性强、效率高、平台移植性好和安全性卓越的计算模块。

通过网络，以Web Service方式从HIS系统中查询患儿病历，得到原始XML数据。通过对XML解析，将所需的数据保存至辅助决策诊断系统数据库，作为分析数据。

计算模块通过提取数据库中的数据信息，使用预先设计的算法和参数对患儿的川崎病发生概率进行计算。计算结果以患川崎病的概率和阴阳性的形式表现，用于临床辅助诊断。

医生对实际临床诊断进行输入，系统记录预测结果和医生实际诊断，并存入系统数据库。当诊断不一致的例数积累到一定量时，使用历史记录对模型进行重新训练，解出参数的变化量与方向，对参数进行更新，以达到修正模型目的。

1.2 软件框架

系统采用的B/S架构，在此架构下，Web浏览器作为最主要的客户端应用软件，可对现阶段常用浏览器兼容。系统的核心部分则集中在服务器上运行。这样可以简化系统的开发、维护和使用过程。用户使用浏览器进行操作，对应的服务器上安装了数据库和绝大部分功能程序，系统通过专用接口进行交互。较大程度减轻了客户端电脑的负荷，实现信息实时共享，降低了系统维护、升级的成本和工作量。

服务器端采用MySQL系统对数据进行存储，使用Spring+SpringMVC+Mybatis(SSM)框架管理数据结构，使用Java语言进行开发，利用HTTPS安全架构进行加密通信。Spring负责对程序中出现的所有业务对象进行统一管理；SpringMVC负责对数据发出转发请求以及视图管理；Mybatis负责对数据库中数据之间产生映射。这样的搭配优点是简单、灵活，Spring与SpringMVC互为补充、搭配自然。

Spring具有以下优点：作为处理接口程序的开源框架，能有效处理中间层对象之间的依赖关系；作为使用Java语言进行开发的框架，Spring能避免在开发过程中过多地使用Singleton语句；使用Spring编写的应用程序测试起来更加容易；Spring与多种开源框架兼容，例如提供了JDBC、O/R mapping等产品的直接支持。Spring十分简单、实用，是企业级开发框架的首选。

Mybatis具有以下的优点：SQL语句写在配置的XML文件里；减弱SQL与搜索代码的关联程度；提供映射标签，支持目标对象与数据库通过SQL进行关联而不是直接关联；允许查询数据库的当前状态，更改应用模式或撤销操作；支持检测由不同开发人员所做的并发数据库模式更改；支持动态编写SQL。

HTTPS是以安全为目标的HTTP通信，它使用加密方式来保护网络通信，防止受到监控或篡改。加密方式为使用SSL或TLS协议，增加数据安全性。HTTPS与HTTP模式具有相同的使用语法。但是，HTTPS允许浏览器使用SSL/TLS的加密层来保护通信流。SSL/TLS特别适合HTTP，即使只有通信一方的身份是经过验证的，仍然可以提供一定程度的保护。因为在通过Internet进行HTTP访问时，通常只有服务器身份是通过客户端验证的(由客户端检查服务器证书)。

2 实现流程

诊断流程如图1所示。系统可以根据患者住院号/病历号/门诊号，自动提取模型所需的指标信息。当信息完整时自动判断患有川崎病的可能性大小，当信息不完整时支持手动补全，进入诊断模型中。模型可以计算患者患川崎病的概率，可以提示患者是否川崎病高危险性，并将这个结果与临床诊断结果进行比较。当累计比较的患者超过30人时，则计算诊断模型的约登指数(IY)，当IY≥0.5时，则继续使用模型，当IY<0.5时，则对模型进行优化，并自动更新模型。

图1 数据处理流程示意图

2.1 患者医嘱管理界面

目前川崎病辅助决策系统集成在住院医生工作站-患者医嘱管理界面。如图2所示，在菜单栏右侧增加“川崎病临床”按钮，点击后自动打开浏览器，并打开川崎病辅助决策系统页面。

图2 住院医生工作站-患者医嘱管理界面

2.2 预测界面

如图3所示，打开川崎病临床辅助决策系统页面，在页面上方填入住院号，点击“系统提取”按钮，弹框提示正在进行住院信息提取。提取成功后，系统自动将住院信息填入到页面中，发热天数以及缺少的检验数值，医生需要手动填写。填写完成后，点击“筛查”按钮即可给出川崎病发生概率，是否川崎病高危以及治疗建议。

图3 川崎病辅助决策系统-预测界面

2.3 诊断指南界面

如图4所示，点击右上角“诊断指南”，会弹出川崎病诊断指南和治疗方案，供医生作为参考。

图4 川崎病辅助决策系统-川崎病诊断指南

2.4 历史记录界面

如图5所示，待医生做实际诊断后，可在界面右上角“历史记录”中，对以往川崎病预测结果做标记。系统将会记录下预测结果与实际情况是否一致。当积累到一定量的历史记录后，系统将会计算整体误差，重新训练回归模型，以达到模型持续优化的目的。

图5 川崎病辅助决策系统-历史记录界面

3 系统诊断效能验证

共验证226例患儿，平均年龄2.15±1.60岁，男性144例(63.7%)，女性82例(36.3%)，其中肺炎患儿146例，川崎病患儿80例。发热时间为3～14天，平均发热天数为5.16±2.29。详细情况见表1。

表1 发热患儿一般情况

将226例患儿经过软件判断后的结果，与患儿出院诊断相比做ROC曲线。患川崎病概率的曲线下面积为0.931(0.889～0.974)，结果为是否川崎病高危险性的曲线下面积为0.888(0.835～0.940)。诊断的一致率为Kappa=0.785(P=0.043)，灵敏度为83.75，特异度为93.84，诊断效率较高。

图6 诊断ROC曲线

4 讨论分析

川崎病KD主要发生在5岁及以下幼儿和婴幼儿，近期流行病学调查提示该病在我国的发病率呈逐年上升趋势[5]。由于KD的病因和发生机制目前仍尚未完全清楚，临床诊断也主要依据排他性的综合判断，非典型川崎病患儿的诊断较为困难。有研究称川崎病的临床诊断效率较低，漏诊率及误诊率较高[6]。近来有很多与川崎病早期诊断相关的研究，但是都没有应用到临床，为了更好地服务临床，降低川崎病误诊率，本文将川崎病诊断模型整合入软件中，使该软件可以辅助医生，鉴别川崎病患者与其他发热疾病患者，使更多的川崎病患者能及时得到治疗。与以往基于人工经验诊断分析不同，建立的辅助决策系统可通过自动处理患者各项临床指标来分析患川崎病的风险大小，有助于逐步提高医生，特别是缺乏经验者对川崎病的诊断能力，使得不同经验程度医师的诊断一致性提高，降低临床误诊率和漏诊率。

本文建立的辅助决策系统以数据挖掘为基础，将其用在KD的诊断中，极大程度上扩大了医生有限的个人知识和临床经验，能够有效提高分析判断的客观性和全面性，且具有较高的可重复性，疲劳性低。目前数据挖掘方法主要包括异常值检测、关联规则学习、聚类分析、判别分析、预测分析[8]。与同为计量诊断的最大似然法相比, 本系统利用了后验Logistic回归概率, 判别的符合率有所提高，所纳入指标大都符合医生常规的诊断需要。之所以选用Logistic回归模型，是因为该模型在文献中，经常被用来制作预测或诊断模型。Logistic回归有很多优点，除了可以分析连续型数据以及分类型数据之外，还可以将结果转换为发生概率，因此常用来制作预测或诊断模型。与人工神经网络计算过程不透明、结果具有偶然性相比, 本系统具有概率推理合理、逻辑简单、缺失数据处理率高和操作性好的特点[9]。

5 结 语

川崎病辅助决策系统预测结果较为稳健，并可以搭配多个预测模型。系统软件小巧轻便、操作简单、结果清晰，既可以应用于门诊辅助诊断，也可以应用于科研，在川崎病的诊疗中可以发挥较大作用。然而尽管基于后验Logistic回归概率的辅助决策系统，与患者出院诊断之间有较高的诊断一致率, 但对于个体患者来说, 由于个体差异的存在，仍然可能发生不可预料的误诊或漏诊。因此, 该系统可以作为医师在鉴别KD时的一个有效辅助工具, 但并不能取代医师的地位作完全的“自动化”诊断[10]。