智慧医疗技术在生命末期病人生存期评估中应用的研究进展

赵海伦 郭俊晨 刘阳 谌永毅

基金项目 中文作者简介：2020年度湖南省自然科学基金项目，编号：2020JJ4417；2020年度湖南省重点研发计划项目，编号：2020SK2121；湖南省肿瘤医院2020年度“科研攀登计划”重大专项项目，编号：YF2020010

作者简介 赵海伦，硕士研究生在读

通讯作者 谌永毅，E?mail：414700595@qq.com

引用信息 赵海伦，郭俊晨，刘阳，等.智慧医疗技术在生命末期病人生存期评估中应用的研究进展[J].护理研究，2024，38（7）：1233?1236.

Research progress on the application of smart medical technology in the assessment of survival of end?of?life patients

ZHAO Hailun， GUO Junchen， LIU Yang， CHEN Yongyi

Hunan Cancer Hospital， Hunan 410031 China

Corresponding Author  CHEN Yongyi， E?mail： 414700595@qq.com

Keywords  intelligent medicine； end?of?life； survival； review

摘要  对智慧医疗技术在生命末期病人生存期评估中的应用进行综述，介绍了智慧医疗技术在生命末期病人生存期评估中的应用形式与实施现状，并对其应用困境进行分析，为在生命末期病人生存期评估中更好地应用智慧医疗技术提供参考。

关键词  智慧医疗；生命末期；生存期；综述

doi：10.12102/j.issn.1009-6493.2024.07.017

《全国护理事业发展规划（2021—2025年）》明确指出，应充分借助云计算、大数据、移动互联网等智慧医疗，着力加強护理信息化建设，为生命末期病人提供便捷、专业的医疗护理服务[1]。生命末期指罹患严重伤病，经2名以上专科医生诊断为不可治愈，且有医学上的证据，近期内病程进展至死亡不可避免者，国际对生命末期时限界定并没有统一的标准，大多数被定义为6个月[2?3]。准确预测生命末期病人生存期有利于促进病人早期转介至安宁疗护，以满足病人生命末期照护需求，关注症状控制和提高生命质量。目前，我国生命末期病人生存期评估大多采用传统纸质量表进行现场评估，医护人员主观性较强，精准率较低，速度较慢，其应用范围受到一定的限制[4?5]。各种智慧医疗技术已经广泛应用于慢性病健康管理[6]、病人筛查[7]、压力性损伤管理[8]、监测症状[9]等方面，有效提高疾病管理质量，优质护理内涵。近年来，智慧医疗技术也逐渐在病人生存期评估中建设和发展，通过聚焦前沿技术及领域，移植标准权威的生存期评估工具能够实现生存期清晰化与可视化的动态、连续报告，形成全面共享、重点集成、多库配套的生存期评估系统，能够有效克服传统评估模式的局限性，具有系统集成、互联互通、智能处理等优势[10]。本研究旨在分析及总结智慧医疗技术在生命末期病人生存期评估中的应用进展，以期为生命末期病人生存期评估信息化发展提供参考依据。

1  智慧医疗的概念

塞缪尔·帕米萨诺于2009年在IBM“智慧地球”（smart planet）战略中首次提出智慧医疗概念[11]。此后智慧医疗思想与方案在国内外进行了广泛探讨与实践。目前，智慧医疗概念在国内外尚未统一，不同学者理解各有所异。李睿宇等[12]认为，智慧医疗是指通过物联网、数据挖掘等技术，对医疗信息进行智能采集、转换、存储、传输和处理，实现医疗信息的整合性和共享性，推进医疗服务的信息化和智能化，达到病人与医护人员、医疗资源等紧密结合的目标。Srivastava等[13]提出，智慧医疗是借助物联网和传感器技术处理、存储和分析大量医疗数据的方法，病人可以体验实时疾病管理和预防。智慧医疗是一个动态理念，随着我国信息化和智能化高速发展，迎来5G时代，两者深度融合，并通过物联网、大数据、云计算等技术使之不断发展、充实、完善[14]。

2  智慧医疗技术在生命末期病人生存期评估中的应用

2.1 应用软件系统（applications，APP）

应用软件系统已经成为智慧医疗的主流形式，具备自我跟踪、共享决策、信息和虚拟访问、实时资讯推送等特色，实现共享数据、在线沟通，实现线上线下诊疗，对病人进行过滤、分流，在生存期评估方面发挥着自身独特优势。

针对安宁疗护病人管理，一款名为“TapCloud”的APP由美国学者Bonsignore等[15]打造，分为医护端和病人端，嵌入埃德蒙顿症状评估量表、预立医疗照顾计划、姑息功能表现量表、预后量表、人文关怀和照顾者参与度等评价指标。该APP设置了指标阈值，病人或照护者进入病人端进行生存期评估、症状监测，结果自动数据分析报告至医护端，超过设定阈值时系统会进行警报提示，医护人员将对该病人进行重点评估和处理。该APP可以同时兼容手机、iPad和电脑不同设备。吴琼等[16]为满足病人、家属与院方等多方利益相关者需求，提高各方临终关怀参与度，通过资源整合，运用服务蓝图及用户旅程图等工具寻找服务触点，同时创造新型连接，临终关怀服务APP被打造设计。考虑APP适用人群的特殊性，设计页面简洁明了，分为首页界面、宁养模块、资讯界面、个人信息四大模块，其中宁养模块中的生命树苗可以入档病人信息，观测身体症状且记录在案，了解病人状况，将生存期通过树苗茂盛程度视觉化手段呈现，但目前仍处于运用雏形阶段，尚未进行推广。

Ma等[17]对1 592份生命末期乳腺癌病人临床资料进行数据挖掘，在后台系统中运行生存预测模型，开发了一款名为iCanPredict的生存期评估APP。该APP包括生存预测和个人主页2个功能模块，在生存预测模块中，分为互动页面和报告页面，互动页面由诊断年龄、临床分期、分子分类、手术类型、腋窝淋巴结清扫、化疗和内分泌治疗等要素综合集成，输入信息后结果自动分析形成彩色图表至报告页面。为提高iCanPredict使用活跃度、可接受性，团队对其进行全局优化和系统创新，将其整合到微信功能，病人只需要用微信账号扫描其二维码，便可登录。该软件在6例病人和2名医生中进行预试验，都得到了良好反馈，均表明愿意接受并使用。Akbar等[18]研究表明，APP的使用具有信息安全隐患，包括强制收集、隐蔽传输、权限滥用、私人数据泄露、未能对危险做出响应以及错误预警，限制了APP的发展。

2.2 可穿戴设备

可穿戴设备可以融合各种功能模块，监测、存储和传输健康数据，通过互联网通讯技术与服务器或平台连接，为医护人员进行生存期评估提供依据。

Huang等[19]应用手腕活动检测仪持续监测病人手部活动，该设备用于收集病人手部每秒运动的重力加速度、角度变化和自旋变化的三维数据，并将数据转换为活动水平、角度和自旋3个不同的统计参数。设备数据将12、24、48 h在移动应用程序同步更新，结果显示，旋转角度越大的病人，生存期越长。Pavic等[20]基于一项前瞻性研究验证了可穿戴监控系统的有效性，病人将配备智能手机和装有传感器的手环，传感器设备采集的护理行为数据通过蓝牙输入到手机客户端，加密数据通过Wi?Fi网络传输到安全服务器，后续将根据护理服务管理需求进行相应的数据分析来评估生存期。美国Gresham等[21]应用Fitbit Charge HR?设备评估晚期癌症病人生存期，该设备与大多数不同品牌智能手机兼容，具有防水功能，电池续航能力强，数据云技术实时传输到移动设备，通过Fitabase（1个在线平台，用于管理多个Fitbit账户）导出，为病人生存期评估提供了有效方法。

Pavic等[22]通过可穿戴设备与应用程序结合，应用程序由病人界面和传感器记录模块两部分组成，可以根据病人偏好设置界面元素，结果表明，83.3%的病人依从，有助于医护人员为病人提供针对性的卓越护理服务，降低病人负面情绪。但值得注意的是，可穿戴设备会存在体验感不佳情况，降低病人舒适度，存在病人数据和隐私泄露、设备数据稳定性差等问题[23]。因此，相关学者在未来研究中应该对其进行探索及改善，为病人提供更精确的生存期评估，为安宁疗护发展蓄力。

2.3 虚拟现实技术

虚拟现实技术具有沉浸感、交互式、构想性特征，使用计算机仿真系统或移动设备创建虚拟、三维、动态的场景，为生命末期病人的生存期评估提供了支持[24]。

对生命末期病人进行生存期评估有利于促进病人开展生命回顾，重新审视生活经历，进行自我整合，提升幸福感。Ryu等[25]招募12例安宁疗护病人佩戴身体传感器，将运动数据无线嵌入到轴神经元软件程序中进行可视化，捕捉軀体动作和现场谈话的实时图，与3D虚拟化身更新同步。Voicinghan作为角色扮演平台提供5种环境（海滩、山脉、欧洲景点、客厅和空旷空间）以及64个角色定制，还可以虚拟环境互动进行多学科会议[25]。参与者可以在人生4个发展阶段（儿童、青少年、年轻和老年人）自发地重新创作生活事件，回顾、评价、整合人生经历，重塑生命意义。Niki等[26]利用虚拟现实技术（内置传感器）来测量病人的生理参数，如呼吸、心率、疼痛、症状等，提供精确的生命末期病人生存期预测，以便医护人员满足特定愿望与需求，实现个性化体验。让20例晚期癌症病人头戴HTC Vive耳机和免费的虚拟现实软件Google Earth VR进行1次30 min的虚拟现实旅行，结果证实，其可以改善病人症状负担，减轻负性情绪。

2.4 网上评估系统

网上评估系统的投入使用，实现了智慧医疗技术对大数据的自动提取和分析，精确评估、快速预检、动态监控病人生存期，便于预测、分析和智能决策，及早识别安宁疗护需求。

姑息治疗研究预后评分（Prognosis in Palliative Care Study，PiPS）已形成网上评估系统，可以将病人相关指标录入后通过系统在线计算（www.ucl.ac.uk/psychiatry/pips），即可得到病人预计生存期和生存概率，但该网上评估系统仍在评估和完善阶段，只能由医护人员使用，尚少见在我国研究和应用的报道[27]。加拿大学者Hsu等[28]基于437 000名社区居民数据开发了RESPECT生存期预测系统，此系统结合身体机能、认知障碍、社会人口因素、生物疾病和自我报告健康指标等多维临床评估因素，进行了指标体系的设计。经过Hsu等[29]研究再次验证，RESPORT系统可以达到98.2%的准确率，目前此系统已经上线对公众开放（https：//www.respect.projectbiglife.ca），并在加拿大安大略省的社区中进行试点。网上评估系统（如https：//www.predictsurvival.com/；https：//www.mdcalc.com/；http：//tools.farmacologia?clinica.info/；https：//www.adjuvantonline.com/）基于多种预后评分提供生存期评估，可以解决复杂计算问题，预测结果以可视化图形呈现，更有助于医护人员解释和病人理解[30?31]。马来西亚学者Nik Ab Kadir等[32]采用以用户为中心的迭代设计方法开发了myBeST系统，用于预测乳腺癌晚期病人生存期。用户可通过URL访问该网站（http：//mybestpredict.com/），为医护人员和病人间的健康信息传播或生存期评估提供了交流平台。

美国国家癌症研究所在2008年开发了癌症生存查询系统，Henton等[33]在此基础上遵循证据和理论开发了SEER*CSC网上评估系统。SEER*CSC用于访问SEER数据和医疗保险索赔数据，为医护人员提供高度有效的预后估计，但SEER*CSC未被集成到电子健康记录系统中，数据输入负担较大，目前使用还未普遍。Seow等[34]利用症状管理数据库和interRAI数据库开发并验证PROVIEW生存期评估系统，操作平台分为病人自我报告平台和家属监控平台。该系统要求病人自我报告疼痛、抑郁、健康状况、呼吸短促、焦虑、恶心、疲劳、嗜睡和食欲9种症状严重程度，并集合姑息性表现量表结果整体评估病人生存期，病人所需掌握的技术要求较低，变量易于评估和获取。

2.5 基于机器学习的生存期评估

1959年，机器学习由计算机科学家Arthur Samuel提出，描述为赋予“计算机无需明确编程的学习能力”，在处理繁杂、高维度、海量的医疗数据方面能力显著[35]。机器学习是一门多学科交叉系统，涵盖各种知识理论和复杂算法，致力于搭建预测模型，探索数据库储备、对生命末期病人生存期进行自动化评估和个性化分析成为可能[36?37]。

Dessie等[38]基于Firebrowse数据集对晚期肾透明细胞癌病人采用机器学习COX比例风险回归、Lasso回归、支持向量机（SVM）进行生存期预测，准确度为92.3%，灵敏度为92.7%，特异性为91.9%，受试者工作特征曲线下面积（AUC）为0.78。Gevaert等[39]使用贝叶斯网络融合临床数据和基因表达数据对晚期乳腺癌病人生存期进行预测，AUC为84.5%。Tian等[40]采用RSF和COX方法预测晚期大肠癌病人的生存期，准确度分别为89.8%和73.2%，一致性指数（C?index）为0.695～0.795，性能良好。Abuhelwa等[41]通过应用GBM、RF、COX和GLM机器学习方法对Imvigor 210和Imvigor 211数据集进行数据分析来预测尿路上皮癌晚期病人生存期，其预测的AUC为0.69～0.71，其训练的GBM方法表现最佳。值得注意的是，我国数据库存在病人信息输入流程不统一、数据质量控制不到位、数据孤岛等问题，整体数据的利用效率还需要进一步提高。

3  智慧医疗技术在生命末期病人生存期评估中的应用困境

智慧医疗技术为生命末期病人的生存期评估提供了新模式，并展现出优于传统评估模式的多方面特点。然而，我国生存期信息化评估尚处于初级探索阶段，仍存在一定的不足。智慧医疗技术涉及安全、隐私、受监管等特性，存在信息安全隐患，病人担心存在隐私泄露风险。我国电子健康记录大数据利用率低，数据资源未被整合和联通，不同医院存在数据割裂，形成“数据孤岛”[42]。机器学习技术遭遇人才、资金、产品等多方掣肘，只有极少数方法真正在临床落地运用，迫切需要将临床有效性、实用性和可用性纳入模型设计中推动有意义的研究转化[43]。可穿戴设备若操作不当，采集的生理健康指标将会不准确，可能影响病人生存期评估的准确度及相应治疗[44]。智慧医疗技术在病人生存期評估中的应用，还有待进一步总结最佳证据，使其有据可循，有理可依，以提供更好的指导。

4  小结

随着信息化高速发展，智慧医疗技术应用于生命末期病人生存期评估是大势所趋，与传统生存期评估模式相比，智慧医疗技术评估模式具有系统集成、互联互通、智能处理的优势，最大程度上减轻医护人员负担，降低病人医疗成本，改善负性情绪，提高生活质量，但实际应用中的隐私保护、数据整合、临床实用性、操作熟练度等问题有待完善。未来我国应组建多学科团队探索、研究和发展出符合我国公众的智能生存期评估系统，在人群中广泛开展相关研究观测性能，不断调整及优化，从而完善以病人为中心、全方位、多层次、多学科共同参与的生命末期病人生存期评估系统。

参考文献：

[1]  国家卫生健康委员会.全国护理事业发展规划（2021—2025年）[J].中国护理管理，2022，22（6）：801-804.

[2]  周志欢，张美芬.生命末期患者护士照顾行为的研究现状[J].护理学报，2017，24（22）：39-41.

[3]  LEVY M，SMITH T，ALVAREZ-PEREZ A，et al.Palliative care version 1.2016[J].Journal of the National Comprehensive Cancer Network，2016，14（1）：82-113.

[4]  FINKELSTEIN E A，BHADELIA A，GOH C，et al.Cross country comparison of expert assessments of the quality of death and dying 2021[J].Journal of Pain and Symptom Management，2022，63（4）：e419-e429.

[5]  YOON S J，SUH S Y，HUI D，et al.Accuracy of the palliative prognostic score with or without clinicians' prediction of survival in patients with far advanced cancer[J].Journal of Pain and Symptom Management，2021，61（6）：1180-1187.

[6]  韩君，徐兴祥.智慧医疗在慢病管理中的研究进展[J].中华肺部疾病杂志（电子版），2020，13（2）：268-270.

[7]  孙雪，王丽娜，沈鑫华，等.信息化评估与监测技术在老年认知障碍人群筛查中的应用进展[J].中华护理杂志，2021，56（5）：699-704.

[8]  PAK C，JEON J I，KIM H，et al.A smartphone-based teleconsultation system for the management of chronic pressure injuries[J].and，2018，26（Suppl 1）：S19-S26.

[9]  DELEEMANS J M，SAMNANI S，LLOYD C，et al.Improving adherence and health outcomes in testicular cancer survivors using a mobile health-based intervention：a mixed-methods pilot study[J].Digital Health，2023，9：20552076231167002.

[10]  MOZUMDER S I，DICKMAN P W，RUTHERFORD M J，et al.InterPreT cancer survival：a dynamic web interactive prediction cancer survival tool for health-care professionals and cancer epidemiologists[J].Cancer Epidemiology，2018，56：46-52.

[11]  糜澤花，钱爱兵.智慧医疗发展现状及趋势研究文献综述[J].中国全科医学，2019，22（3）：366-370.

[12]  李睿宇，许学军.大数据背景下我国智慧医疗的应用研究[J].经济研究导刊，2019（6）：156-157;175.

[13]  SRIVASTAVA J，ROUTRAY S，AHMAD S，et al.Internet of medical things（IoMT）-based smart healthcare system：trends and progress[J].Computational Intelligence and Neuroscience，2022，2022：7218113.

[14]  朱俊杰，田卓宛，贺宇，等.智慧医疗融合5G发展的现状与展望[J].中国医药导刊，2021，23（5）：380-383.

[15]  BONSIGNORE L，BLOOM N，STEINHAUSER K，et al.Evaluating the feasibility and acceptability of a telehealth program in a rural palliative care population：TapCloud for palliative care[J].Journal of Pain and Symptom Management，2018，56（1）：7-14.

[16]  吴琼，彭晓芳，庞宝术.服务设计视角下临终关怀服务APP设计研究[J].创意设计源，2021（2）：14-19.

[17]  MA Z，HUANG S J，WU X Q，et al.Development of a prognostic App（iCanPredict） to predict survival for Chinese women with breast cancer：retrospective study[J].Journal of Medical Internet Research，2022，24（3）：e35768.

[18]  AKBAR S，COIERA E，MAGRABI F.Safety concerns with consumer-facing mobile health applications and their consequences：a scoping review[J].Journal of the American Medical Informatics Association，2020，27（2）：330-340.

[19]  HUANG Y R，KABIR M A，UPADHYAY U，et al.Exploring the potential use of wearable devices as a prognostic tool among patients in hospice care[J].Medicine，2022，58（12）：1824.

[20]  PAVIC M，KLAAS V，THEILE G，et al.Mobile health technologies for continuous monitoring of cancer patients in palliative care aiming to predict health status deterioration：a feasibility study[J].Journal of Palliative Medicine，2020，23（5）：678-685.

[21]  GRESHAM G，HENDIFAR A E，SPIEGEL B，et al.Wearable activity monitors to assess performance status and predict clinical outcomes in advanced cancer patients[J].NPJ Digital Medicine，2018，1：27.

[22]  PAVIC M，KLAAS V，THEILE G，et al.Feasibility and usability aspects of continuous remote monitoring of health status in palliative cancer patients using wearables[J].Oncology，2020，98（6）：386-395.

[23]  陈海莲，陈曦，邹双.可穿戴设备在心血管病病人延续性护理中的研究进展[J].护理与康复，2022，21（8）：92-95.

[24]  苏晓雨，王青青，刘风侠.虚拟现实技术在癌症病人症状管理中应用及发展前景[J].护理研究，2022，36（8）：1441-1445.

[25]  RYU S，PRICE S K.Embodied storytelling and meaning-making at the end of life：VoicingHan avatar life-review for palliative care in cancer patients[J].Arts & Health，2022，14（3）：326-340.

[26]  NIKI K，OKAMOTO Y，MAEDA I，et al.A novel palliative care approach using virtual reality for improving various symptoms of terminal cancer patients：a preliminary prospective，multicenter study[J].Journal of Palliative Medicine，2019，22（6）：702-707.

[27]  KIM E S，LEE J K，KIM M H，et al.Validation of the prognosis in palliative care study predictor models in terminal cancer patients[J].Korean Journal of Family Medicine，2014，35（6）：283-294.

[28]  HSU A T，MANUEL D G，TALJAARD M，et al.Algorithm for predicting death among older adults in the home care setting：study protocol for the Risk Evaluation for Support：Predictions for Elder-life in the Community Tool（RESPECT）[J].BMJ Open，2016，6（12）：e013666.

[29]  HSU A T，MANUEL D G，SPRUIN S，et al.Predicting death in home care users：derivation and validation of the Risk Evaluation for Support：Predictions for Elder-Life in the Community Tool（RESPECT）[J].Journal De L'Association Medicale Canadienne，2021，193（26）：E997-E1005.

[30]  楊君婷，戴伟，尹世全，等.终末期癌症患者生存预后模型及其应用[J].中国循证医学杂志，2021，21（1）：8-14.

[31]  GLARE P，SINCLAIR C，DOWNING M，et al.Predicting survival in patients with advanced disease[J].European Journal of Cancer，2008，44（8）：1146-1156.

[32]  NIK AB KADIR M N ，MOHD HAIRON S，YAACOB N M，et al.myBeST-a web-based survival prognostic tool for women with breast cancer in Malaysia：development process and preliminary validation study[J].International Journal of Environmental Research and Public Health，2023，20（4）：2985.

[33]  HENTON M，GAGLIO B，CYNKIN L，et al.Development，feasibility，and small-scale implementation of a web-based prognostic tool-surveillance，epidemiology，and end results cancer survival calculator[J].JMIR Cancer，2017，3（2）：e9.

[34]  SEOW H，TANUSEPUTRO P，BARBERA L，et al.Development and validation of a prognostic survival model with patient-reported outcomes for patients with cancer[J].JAMA Network Open，2020，3（4）：e201768.

[35]  HANDELMAN G S，KOK H K，CHANDRA R V，et al.eDoctor：machine learning and the future of medicine[J].Journal of Internal Medicine，2018，284（6）：603-619.

[36]  ELFIKY A A，PANY M J，PARIKH R B，et al.Development and application of a machine learning approach to assess short-term mortality risk among patients with cancer starting chemotherapy[J].JAMA Network Open，2018，1（3）：e180926.

[37]  高美虹，尚学群.利用人工智能预测癌症的易感性、复发性和生存期[J].生物化学与生物物理进展，2022，49（9）：1687-1702.

[38]  DESSIE E Y，TSAI J J P，CHANG J G，et al.A novel miRNA-based classification model of risks and stages for clear cell renal cell carcinoma patients[J].BMC Bioinformatics，2021，22（Suppl 10）：270.

[39]  GEVAERT O，SMET F D，TIMMERMAN D，et al.Predicting the prognosis of breast cancer by integrating clinical and microarray data with Bayesian networks[J].Bioinformatics，2006，22（14）：e184-e190.

[40]  TIAN Y，LI J，ZHOU T S，et al.Spatially varying effects of predictors for the survival prediction of nonmetastatic colorectal Cancer[J].BMC Cancer，2018，18（1）：1084.

[41]  ABUHELWA A Y，KICHENADASSE G，MCKINNON R A，et al.Machine learning for prediction of survival outcomes with immune-checkpoint inhibitors in urothelial cancer[J].Cancers，2021，13（9）：2001.

[42]  謝菲，王梦可，黄永涛，等.互联网背景下如何优化老年病人智慧医疗体验的对策研究[J].互联网周刊，2022（24）：62-64.

[43]  李艳平，尹潘龙，桑野，等.人工智能在医疗领域应用研究综述[J].长江信息通信，2023，36（1）：43-45.

[44]  葛迪群，黄素芳，熊杰，等.物联网技术在高血压健康管理中的应用研究进展[J].中国临床护理，2022，14（12）：781-784.

（收稿日期：2023-05-21；修回日期：2024-03-22）

（本文编辑 曹妍）