基于AI-ECG的区域胸痛综合管理平台的建设与实践

戴秋玉，张伟，黄钊，陈杰，陶震寰

1.南京市卫生信息中心，江苏 南京 210000；2.南京市急救中心，江苏 南京 210000

引言

《中国心血管健康与疾病报告2021》统计数据显示，我国心血管疾病发病率与致死率高居榜首，每5 例死亡中就有2 例死于心血管病[1]。急性冠状动脉综合征的发病率和死亡率在我国逐年增加，且呈年轻化趋势，预计2030 年将有2260 万心肌梗死患者，胸痛将成为我国居民致死、致残和导致劳动力丧失的重要原因。

胸痛中心是一种基于区域协同的医疗救治服务模式，为急性胸痛患者提供快速诊疗绿色通道[2]。自2011 年我国第一家胸痛中心的正式成立，历经10 余年的发展，目前全国胸痛中心注册单位达四千余家，胸痛救治单元达一千余家，初步形成了全国胸痛中心救治网络[3]。我市规范化胸痛中心的建设于2018 年正式启动，目前，我市通过验收的胸痛中心达21 家。然而，胸痛中心的建设并没有明显降低患者死亡率，原因主要体现在以下几个方面：① 缺乏有效监测手段，将心电异常数据的捕获延伸到院前，进行早期筛查、高危管理；② 心电信号本身的复杂性、变异性，一次性心电图难以有效捕捉到准确的诊断数据，而24 h 动态心电数据量大，对社区医生的诊断能力有一定要求；③ 信息不完整、数据未进行全过程共享等因素也对救治时间造成了一定影响；④ 出院患者缺乏持续有效的康复指导和长期监测。

针对现有状况，迫切需要搭建区域胸痛综合管理平台，实现数据采集自动化、疾病诊治智能化、信息流闭环化，本研究基于心电人工智能辅助诊断技术（Artificial Intelligence Electrocardiograph，AI-ECG）建立“患者-基层-急救中心-胸痛中心”四方联动的区域协同救治体系[4]，从而前置疾病诊断时间、缩短救治时间、提高救治成功率，降低死亡率，改善远期预后。

1 基于AI-ECG的区域胸痛综合管理平台

建设基于AI-ECG 的区域胸痛综合管理平台需要整合区域内电子健康档案、医院信息系统（Hospital Information System，HIS）、急救、院内胸痛救治平台等业务信息系统，以患者心电健康信息为贯通，利用AIECG 优化急性胸痛区域协同救治流程，构建筛查、预防、救治、康复、管理的一体化平台。

1.1 系统架构

区域胸痛综合管理平台主要分为5 层，分别是采集层、数据层、应用层、服务层和用户层，见图1。

图1 区域胸痛综合管理平台架构

1.1.1 采集层

采集层通过接口方式对接医院的HIS 和院内胸痛救治系统、区域卫生信息平台、120 急救管理系统和可穿戴设备[5]，采集患者的基本信息、心电监测数据、救治信息等，快速将患者的信息发给数据层。

1.1.2 数据层

数据层整合患者信息（包括住址、联系电话、身高、体重、血压、血糖、诊疗信息等）、胸痛救治中心资源信息（包括位置信息、创建及认证信息、医疗资源等）、急救资源信息（包括急救中心及站点位置、车辆数量、使用情况、位置、车载设备等），通过数据归一化处理后形成基础信息数据库，并通过数据接口定期更新维护，确保数据的准确性，为其他模块提供基础数据输出服务。

1.1.3 应用层

应用层主要功能包括AI-ECG、个人健康管理、急救管理、会诊中心、全网时间采集与同步、数据统计与质控等模块。

（1）AI-ECG 模块

AI-ECG 模块实现心电数据实时采集、监测、分析、诊断、高危预警等功能，其核心是AI 诊断模型的训练。模型训练过程为：① 依托区域心电平台的海量心电数据，筛选出符合训练要求的心电图数据，构建标准心电数据库[6-8]；② 对采集的数据进行脱敏、清洗、降噪及归一化，使数据符合深度神经网络建模的需求；③ 将预处理后的数据随机分配给多位心电图专家对数据进行二次标注，得到高精度数据；④ 将第③步的处理数据划分为训练集、验证集、测试集，针对不同的分类标准需求，选用合理的网络架构[9-10]，如卷积神经网络、循环神经网络、长短时记忆网络等，训练多个网络模型用于数据分类；⑤ 对于训练得到的卷积神经网络模型，基于临床数据进行对比验证，并针对验证结果进行迭代训练，包括增加特定类型的数据，调整特定层的学习率、损失函数等，逐步得到准确率更高的网络模型，最终选用基于改进的Dense 模型优化而成，可以进行心电临床数据的二分类、四分类、九分类及十八分类评估；⑥ 将AI 诊断模型部署到实际应用环境中。

（2）个人健康管理

个人健康管理模块横向整合心电监测数据、居民电子健康档案数据、急救数据、胸痛诊疗数据、患者转归数据及其他医疗活动相关数据，为胸痛高危患者或者术后转归患者建立一份以心血管疾病为主线的健康档案。

（3）急救管理

平台实时采集患者位置，胸痛中心地理位置，急诊科、导管室、心脏重症监护室等科室资源使用情况，120 急救车辆位置，道路交通情况等信息，通过综合计算，提供智能导航路径。通过与120 急救平台联动，实时获取120 急救车辆行驶轨迹、转运关键时间节点、患者生命体征数据、心电图、初步诊断结果等信息，同步至院内胸痛中心远程监测大屏，实现120 急救车与目标医院之间医疗数据的实时共享。

（4）会诊中心

会诊中心分为专家端和申请端两个部分，会诊中心主要功能包括会诊流程管理、消息提醒、专家诊断、报告发布、报告打印等。系统提供交互式和离线式两种不同的业务模式：① 交互式远程会诊，通过即时音频消息功能包的集成支持会诊专家与申请医生之间的音视频交流；② 离线式远程会诊，由申请医院提交会诊申请信息和病历资料，会诊专家下载和非实时浏览会诊申请信息和病理资料，并编写和发布会诊报告，申请医生下载浏览诊断报告。

（5）全网时间采集与同步

平台根据胸痛患者救治过程中的业务特点及质控要求，从发病-确诊、急救转运、院内救治和数据归档上报4 个维度定义了42 项关键时间采集点，通过手环自动采集、数据接口对接、人工录入等多种途径进行时间信息的采集与同步，实现在急性心肌梗死救治过程中的全流程时钟管理。

（6）统计与质控

依据《中国胸痛中心常态化质控方案》的标准与要求[11]，建立诊前-诊中-诊后的全过程质控指标，包括发病到首次医疗接触（Symptom Onset to First Medical Contact Time，S2FMC）时间、心电图远程传输统计、院内心电图统计、直达导管室统计、急诊经皮冠状动脉介入治疗人数统计、绿色通道转运统计、TIMI 血流等级统计、首次医疗接触到球囊再灌注时间（First Medical Contact To Balloon，FMC2B）统计、入门到球囊扩张时间统计、再灌注时间统计、患者转归统计共计11 个质控指标。通过系统接口进行数据抓取及统计，并具备曲线图、柱状图等图表工具，使数据可视化，便于直观地分析数据，找到胸痛救治流程薄弱环节。

1.1.4 服务层

服务层是平台能力的具体展示，包括个人健康服务、诊断服务、数据服务。个人健康服务通过移动APP 为患者提供信息调阅、主动记录、数据填报、在线咨询、线上复诊等功能，构建患者全面参与的心血管疾病健康管理新模式。诊断服务包括AI-ECG、专家会诊、疾病预测和高危预警等。数据服务通过指标统计与分析，为大数据分析、绩效考核、领导决策、数据上报等提供数据支撑。

1.1.5 用户层

用户层为患者、医护工作者、卫生行政管理部门等提供了手机、PAD、PC 等多种接入方式，支持多种应用场景。

1.2 业务流程

区域胸痛救治业务流程如图2 所示，基层医院/急救车心电采集设备、可穿戴心电监测设备将采集到的心电图信息通过区域卫生专网、5G、互联网等上传至平台，通过AI-ECG 实现初步诊断及危急值预警；当诊断结果与基层医院/急救车医生判断存在较大差异时，发起远程会诊申请，由会诊中心专家给出会诊意见；患者或者基层医生根据诊断结果向胸痛中心请求转诊，进行进一步治疗；急救患者则是由平台根据实时路况和派车平台距离自动计算到达最近的胸痛中心，并启动急救流程；患者的相关信息将同步至胸痛中心院内救治系统；救治结束后，根据胸痛患者的术后随访周期要求，主治医师可选择随访计划推送给患者，患者主动记录预后康复信息。通过患者、基层医院、120 急救中心、胸痛救治中心的业务协同，实现院前、院中、院后的闭环管理。

图2 区域胸痛救治业务流程

2 应用效果

区域胸痛综合管理平台自2019 年上线以来，先后在江苏省人民医院、南京鼓楼医院、南京市急救中心、高淳区卫生服务中心落地实施，取得了良好效果。区域胸痛综合管理平台应用界面如图3 所示。

图3 区域胸痛综合管理平台应用界面

创新胸痛患者医疗救治新模式，建立健全“患者-社区-急救中心-胸痛中心”四方联动的区域协同救治体系，以患者为中心实现诊前、诊中、诊后的全过程管理。通过AI-ECG 系统快速诊断和预警救治功能，发挥基层医院“健康守门人”的作用；患者通过佩戴24 h 动态心电监测设备，医生第一时间捕获心电异常数据，对于恶性心律失常、心梗的患者做到第一时间发现、转诊、救治；对于心电疑难病例，基层医生可以通过平台向上级医院发起会诊请求，减少误诊、漏诊；利用移动端应用进行术后随访、健康宣教等，不断提高胸痛患者自我健康管理意识。截至2021 年，使用动态心电监测设备进行心电自我监测的用户达9000 余人次，专家会诊300 余次。

优化AI-ECG 模型，提升AI-ECG 的准确性，助力临床诊断。在江苏省人民医院心功能室采用AI-ECG 系统对2 万份患者心电数据进行自动诊断，结果显示，心电图十八分类诊断模型诊断特异性、敏感度、准确率均值分别为95.79%、87.88%和96.74%，达到临床诊断要求。有研究者利用卷积神经网络诊断心房颤动的特异性为79.5%，敏感度为79.0%，准确率为87.0%[16]。同时AI-ECG 平均每份心电图的评估分析时间约为0.12 s，而心内科临床医生诊断时间平均为1 min 左右，大大缩短了诊断时间。

本平台可提升区域胸痛患者医疗救治水平，争取宝贵的救治时间。本研究选取2018 年（平台上线之前）及2019—2021 年间胸痛患者救治关键指标进行分析（图4），结果表明，患者来院方式仍以自行来院为主，呼叫120 急救车来院比例略有上升，2020 年达到最高20%；2019、2020 年S2FMC 时间分别为261、292 min，较2018 年的364 min 显著降低，同时也远远低于2021年通过认证的标准版胸痛中心的平均S2FMC 时间325.7 min[12]；得益于信息的互联互通、患者医疗救治信息的共享，急诊科救治平均时间、启动再灌注平均时间等也明显缩短，最大限度地节省了救治时间，2018—2021 年的患者院内死亡率分别为0.8%、0.4%、0%和0.3%。但是统计数据显示，2021 年各项指标又出现反弹现象，综合来看与患者呼叫120 急救车来院比例下降、10 min 心电图人数占比下降等因素有关，仍待进一步分析。

图4 区域胸痛救治关键指标分析

3 讨论与总结

随着全国急性胸痛救治网络建设工作的不断推进与完善，通过信息化手段推进智慧胸痛中心的建设，推动“三全模式”的落地将成为下一步工作重点，目前国内也陆续出现相关主题的研究。杨路等[13]提出了一种基于院前急救的胸痛中心一体化信息系统，与市、区120急救共同联动，将胸痛救治过程涵盖院前、院中；王继航等[14]提出利用可穿戴设备、物联网传输技术和AI 分析技术设计搭建胸痛区域平台以及开展协同救治的业务流程；李超红等[15]提出了建立“社区-胸科”一体化的社区联动救治模式，缩短了S2FMC，提升了救治效果。相比而言，本研究提出的基于AI-ECG 的区域胸痛综合管理平台的建设方法充分利用了AI 算法在心电辅助诊断方面的应用成效[16-19]，通过改进算法、使用高质量的区域心电数据库，显著扩展了诊断分类的种类、提高了其准确性；另外，将高危患者、术后康复患者全面纳入管理体系，形成了“患者-基层医院-急救中心-胸痛中心”四方联动的区域协同救治体系，实现胸痛患者院前（急救）、院中、院后的全流程闭环管理；最后，建立了一套综合质控指标体系，通过来院方式、救治手段、关键性评价指标等多维度的数据统计与分析，为医疗质量控制、绩效考核、领导决策等提供数据支撑。

本研究在研究胸痛患者防治特点的基础上，提出了一种搭建筛、防、诊、治、康一体化的区域胸痛综合管理平台的设计方法，利用可穿戴设备、AI、5G 数据传输、标准化接口等技术手段实现异构系统数据的采集与整合、医疗救治信息流的闭环管理，创新性地融合了AI-ECG、远程会诊、分级诊疗等区域医疗卫生服务系统，探索出了一套上下联动、区域协同、患者全面参与的胸痛救治模式，最大化地节省救治时间，提高救治成功率，对胸痛患者救治具有重要意义。下一步，将结合区域医联体、集团医院的业务模式进一步推进基层医院的接入，提高基层医院的诊断能力和转诊速度，打通胸痛救治的第一公里。