基于主动健康访问技术的医养结合智能综合服务管理平台研究

苏明亮，王士泉，李 伟

（1.东华软件股份公司，北京 100191；2.火箭军特色医学中心核与辐射损伤实验室，北京 100088）

0 引言

随着我国老龄化、高龄化进入加速阶段，医养结合已成为未来应对老龄化的重要政策方向。我国目前缺乏全国统一标准的老年医养结合服务与技术体系，高水平医养服务人员不足，且医养结合服务机构存在定位及服务内容不明确、管理欠规范、服务内容和评价标准不完善、质量管理欠缺等问题。在上述背景下，基于主动健康访问技术（主动健康访问技术指利用新一代个体健康监测设备，实现健康信息的连续动态采集与实时传输，开发一批健康大数据融合分析、个性化健康画像、健康养老关键技术产品，建立疾病预警和主动健康干预服务体系等），探索建立不同地区、不同发展阶段的老年人群医养结合服务模式，研发区域级医养结合服务平台并开展典型应用，将医疗保健和养老服务相结合，满足多层次健康需求，有利于应对我国当前和未来健康管理需求、老龄化挑战，构建和谐社会的健康模式[1]。

1 研究内容

利用新兴互联网+大数据技术实现多元化主动健康指数采集功能，建立集医疗、健康、养老于一体的互联网智能服务管理平台；研发基于医疗物联网、移动计算技术的老年人生活及健康状态电子监测系统，有效干预老年人的物质、精神生活；以健康干预方案推荐和风险预警为重点，建立可动态调整的智慧健康养老机制，并进行应用验证。医养结合智能综合服务管理平台架构如图1所示。

图1 医养结合智能综合服务管理平台架构图

1.1 医养结合智能综合服务管理平台需求调研与服务的设计

通过分析医养领域各方主体对智能服务平台的具体需求，按照系统设计理论将需求固化为服务内容或服务功能。综合考虑多因素影响，选取调研对象，理清老年人、医疗机构、养老机构、社区、居家等对平台的建设应用需求，界定共性、个性服务，有针对性开展服务设计，构建衔接家庭—社区—机构的、可实际执行的生活方式，及健康养老、保健、医疗、康复、精神和心理、中医、养老生活需求和支持等方面的服务内容和路径。

1.2 社区虚拟医养结合平台的构建

构建以“患者监测（检测）终端—云数据中心—医护管理终端”为结构的社区虚拟医养结合云平台。制定通用的医疗健康数据接口标准，集成互联网医疗及慢性病管理、康复照护、健康信息管理、智能支持、智能医养服务评价及改进等子系统，形成医患联动的移动医疗信息服务体系[2]。通过科学定义老年人健康风险预警执行任务集并进行模型化处理，完成监测系统数据的采集、传输、存储等功能，实现老年人生活及健康状态监测预警系统研发。同时，开发健康风险报警系统，实现报警信息统一推送、信息反馈处理等功能模块的开发、测试和应用。

1.3 社区和居家医养结合的应用及评价

研发平台典型应用，通过老年人、共同生活者、医生、照护人员、其他服务人员的满意度调查及专家评价、论证和测评，验证医养智能服务平台的可行性、有效性、安全性和卫生经济效益。同时，验证心电监测的及时性、准确性和对心脑血管疾病的预警干预效果。另外，根据经济承受能力将养老群体分为托底型、保障型和健康型，探索适合各类群体的运营模式。

2 技术路线

按照“标准规范与安全机制研制—个体健康数据处理与融合技术—AI算法模型构建—平台建设与应用验证”的设计思路，构建医养结合智能综合服务管理平台的技术路线（如图2所示）。

（1）构建个人健康监测数据的隐私保护与安全管控机制，采用私钥与加密技术保证个人健康记录访问的安全性。

图2 医养结合智能综合服务管理平台技术路线图

（2）研发多层次个人健康数据采集的集成式可穿戴设备及软件，实现主动健康多参数数据（血压、血糖、心电图、血氧、体脂率、呼吸信号、脑电图等）与健康信息（身体指标、体征、行为、运动、饮食、睡眠、精神、心理等）的联通与实时传送[3]。

（3）研究海量个人健康数据的精确匹配与模糊匹配，设计统一时空框架下的个人标准健康监测数据的组织与关联。采用开源的Solr/Elastic Search技术实现多模态、多粒度元数据格式的定义、快速上传和高效索引的构建，数据存储于HBase/Hive/区块链。在对海量数据的组织与关联上，做到对大量的非统一数据关联与格式的统一。

（4）研发包含疾病预警、生活方式干预、心理和行为建议、个性化营养推荐等功能的新一代人工智能算法与模型。采用卷积神经网络、递归神经网络和进化算法构建在线学习人工智能模型，研究从复杂、大规模模型到移动设备的算法模型移植的过程。

（5）研发医养结合智能综合服务管理平台并建立应用系统。采用Spark技术框架创建一个多模态、多粒度的检索与计算服务平台，基于自然语言处理（natural language processing，NLP）建立计算机能理解的医疗知识图谱数据库。研发的应用系统应包括评估分析、预测预警、干预评价等功能，并可通过多种干预模型，实现疾病的早诊、早治。

3 功能设计

以互联网为依托，围绕老年人主动健康需求，构建基于深度机器学习技术、辅助慢性病管理、康复服务的医养知识库系统和云平台，研发出针对主要健康风险事件的预测新算法和干预新模型。基于数据分析，为老年人制订智能化、个性化的健康管理方案，解决老年人健康管理专业人员力量不足的问题。医养结合智能综合服务管理平台功能框架如图3所示。

图3 医养结合智能综合服务管理平台功能框架图

3.1 老年人生活及健康风险监测预警系统

老年人生活及健康风险监测预警系统包括基于移动医疗和医学人工智能技术研发、适用于医养结合服务模式的老年人健康风险预警知识库子系统，老年人健康风险预警引擎和决策支持子系统3个部分。

3.1.1 老年人健康风险预警知识库子系统

通过参考《中国高血压基层管理指南》《世界卫生组织老年人综合照护指南》《中国高血压防治指南》《中国成人血脂异常防治指南》《中国超重/肥胖医学营养治疗专家共识》《中国卒中一级预防指南》等国内外慢病管理和养老服务指标，定义老年人健康风险预警的执行任务集，研发适合于老年人日常照护的健康风险预警专家知识库，以结构式、流程图、逻辑关系式等形式，图形化地表达不同人群生活方式的处方，全面覆盖生命体征监测、健康状态评估、慢病危险分层、专业化护理、异常预警、生活方式指导、健康教育、依从性管理、用药指导、精神和心理干预等内容。通过构建基于指南的临床知识表达模型，将老年人健康风险预警的知识通过数据流图的形式进行医学知识建模，模拟医生的思维推断过程，并基于表达模型进行生活方式干预知识的提取和转化，形成计算机化的临床指南模型，通过规则转换器转化为计算机可执行的预警规则，为服务对象提供专家知识推送。其中，生命体征监测界面如图4所示。

图4 生命体征监测界面

3.1.2 老年人健康风险预警引擎和决策支持子系统

从模拟临床专家的知识结构与诊断方式出发，采用基于知识驱动结合数据驱动的混合智能预警决策技术，开发具有开放式接口的健康风险预警引擎与决策支持子系统。一方面，通过老年人健康风险预警专家知识库对老年人日常照护过程中的典型健康风险进行规则推断；另一方面，通过采集所获得的连续检测数据，优化推理结果，辅助医护工作人员为老年人提供个性化的风险预警推荐结论。同时，引入老年人生活干预及慢病干预路径的电子化管理技术，为老年人的慢病管理、健康咨询、健康检查、护理康复、生活照护、精神心理、文化活动等服务提供决策支持[4-5]。

3.2 社区虚拟医养结合平台

社区虚拟医养结合平台包括互联网医疗及慢病管理、康复照护、健康信息管理、智能支持和医养服务评价及改进5个子系统。

3.2.1 健康信息管理子系统

健康信息管理子系统包括健康评估、健康方案和计划制订、健康档案管理3个模块。

健康评估模块：基于哈佛癌症风险指数工作小组开发的个体癌症风险预测模型，结合个人当年吸烟史、饮酒史、运动史、工作状况、起居、饮食、既往病史、家族史、现病史、药物史、基因检测、最新体检等数据，采用近似人群大数据分析结果，得出个体慢性病、肿瘤风险预测评估值。

健康方案和计划制订模块：制订健康管理干预计划、针对性个性化饮食方案、针对性个性化运动方案。

健康档案管理模块：对本年度问卷量表、本年度体检报告、历次就医记录、电子病历（影像文档、检验记录）、用药记录、健康监测记录、基因检测记录等个人健康信息进行收集和管理，建立完整的个人健康档案。

3.2.2 互联网医疗及慢病管理子系统

本系统包括电子病历数据库、看病预约、在线咨询、健康及检查数据共享、电子病历共享、远程心电、实验室检查、医学影像共享及智能辅助诊断、在线处方、常见病及慢性病复诊管理、急诊救治快速通道及信息共享、远程医疗会诊、随访管理、远程指导等功能。智能导医（看病预约）界面如图5所示，在线咨询界面如图6所示。

图5 智能导医（看病预约）界面

图6 在线咨询界面

3.2.3 康复照护子系统

本系统包括移动护理服务、功能康复、管路护理指导，压疮、营养不良、衰弱、疼痛、便秘、尿失禁等老年综合征的防治服务，失能、失智残障老年人照护服务和临终关怀支持。

3.2.4 智能支持子系统

本系统提供包括在线各类服务人员培训、医养科普教育、在线签约家庭医生及转诊、在线移动结算支付系统、用药记录管理、虚拟药店、养老生活服务、精神和心理服务、智能关怀等功能。智能关怀系统界面如图7所示。

图7 智能关怀界面

3.2.5 智能医养服务评价及改进子系统

本系统包括用户分类、智能化群体划分、服务内容模式化管理、智能化任务流转、智能语音技术的应用、人脸识别技术应用等，主要的服务内容如下：

用户分类：将用户按照年龄大小（每5 a一个阶段）、月收入水平（养老生活开支水平）、失能状况、受教育水平等进行分类，进而确立居家、社区、养老机构模式所对应的适用范围。

智能化群体划分：依据养老模式划分的具体规则，将用户划分为多种模式，记录并归档（每年依据实际情况对记录内容进行修改、编辑和重新划分）。

服务内容模式化管理：将服务内容分为医疗服务、养老生活服务（物质生活和精神生活）、助残服务、照护服务等多种服务，并在分类基础上逐项对服务内容进行等级划分，即同种服务划分出高、中、低3个档次，根据不同养老模式的群体特征有针对性地设立服务标准。以此作为定制化养老服务的基础，通过对服务内容的分类、分级、确立标准和评审，形成模式化的管理。

智能化任务流转：确立医养结合养老服务模式及标准流程，以解决用户问题为起点，按照服务标准流程进行节点划分，并建立各节点间的对应关系；依照节点设定任务和执行任务的岗位责任人，确保任务落实到位，形成以服务流程为脉络的主体联动，从而实现一体化、自动化的服务管理，确保管理无漏洞、无死角。

人脸识别技术应用：对已采集人脸数据的老年人群体进行人脸识别验证后，在空中挥手即可自主选择平台对应菜单的各项服务，达到鼠标、电视遥控或手指触摸实现的效果，为行动不便的老年人提供便捷服务。

3.3 社区和居家医养结合应用及评价设计

3.3.1 建立个体健康画像

构建包含评价年龄、健康风险、主动健康素养与行动、主动健康支持环境4个维度的主动健康指数，从而对个体进行健康评估和画像，包括以下4个方面：

（1）年龄，即实际生理年龄、评价年龄（指数评价后的死亡概率转换）和增长年龄（危险因素干预预期收益）。通过比较实际年龄、评价年龄和增长年龄三者的差别，了解危险因素对寿命的可能影响程度及降低危险因素后寿命的可能增长程度。

（2）健康风险评价。通过收集生理健康、心理健康、社会适应及健康行为的普适性问卷调查信息，人体测量指标，血液生化指标，环境等健康大数据，应用大数据进行健康风险评价，对重大慢病进行预测、预警和反馈[6]。

（3）主动健康素养与行动能力。评价个人获取和理解主动健康信息和服务，运用这些信息和服务作出正确决策，以维护和促进自身健康的能力。重点评价主动健康行动、对健康服务利用的水平、电子健康资源的利用及对重大慢病和健康危险因素主动干预的能动性和依从性。

（4）主动健康支持环境评估。包括支持性政策环境、防治体系建设、主动健康服务的可及性和可负担程度。

通过上述4个方面对个体的健康水平进行全方面评估，从而进行个体整体健康状态的评估和画像。

3.3.2 人工智能辅助决策

利用采集的序列数据和医疗知识图谱的信息设计递归神经网络（recursive neural network，RNN），从而达到对患病的潜在风险做到早预测、早预警，实现早诊、早治。利用可解释性模型，解构神经网络算法的黑盒问题，使其能准确判断出可能导致发病的一些不良生活方式及心理因素，从而指导患者预防疾病。利用在线学习算法，实时根据采集到的新的个人监测数据自动学习优化现有普遍模型，快速建立具有个性化的模型，并用以提供个性的疾病防控指导和推荐方案[7-8]。

3.3.3 精准医养结合效果评价

对医养结合主动健康各方面的费用进行分析，包括执行机构的投入、提供干预措施的卫生专业人员和接受干预人群所需的费用。对所有花费和经济学的预期估算均考虑到居民消费价格指数，增量成本效益比将依据可预防的慢病及发病前期费用、每减少一个单位生物指标（如体质量、血压、血糖）等费用来进行估算。评价方法除常用的成本效果分析、成本效益分析和成本效用分析外，还采用权益影响分析对不同地区卫生机构提供医养结合管理等服务的公平性进行分析。

4 结语

随着国内人口老龄化趋势加重，如何利用移动互联网、大数据、虚拟化、云计算、机器学习、人工智能等技术，加速推进智慧医疗科技创新，保障老年人和慢病患者长期有效地进行健康和疾病管理，成为当前至关重要的研究方向。因此，建设包含社区虚拟医养结合平台、老年人生活及健康状况的电子监测预警系统的医养结合智能综合服务管理平台，可有效整合社区、医疗机构、养老机构等各类医养服务资源，推动不同服务模式、不同服务群体的需求功能化、资源数据化、服务管理智能化，为国内医养结合业务的落地提供可靠的技术支持。