重症监护临床智能辅助决策系统.docxVIP

重症监护临床智能辅助决策系统

项目起源：医院重症医学科的水平能体现医院整体医疗实力。作为重症医学学科的临床基地，重症监护病房不仅需要应用先进的诊断、监护和治疗设备与技术，还需要对病情进行连续、动态的定性和定量观察，并通过有效的干预措施，为重症患者提供规范的、高质量的生命支持，改善预后及生存质量的需求日益迫切。

重症监护临床智能辅助决策系统以重症患者为本，提供给临床医生全方位的辅助诊疗。浙江医院与北京协和医院和杭州脉兴医疗达成深度合作，结合临床医生的实际需求与医疗痛点，保障系统功能的专业性、实用性和权威性。目前系统已在浙江医院部署使用且临床应用效果显著。其中浙江医院ICU与北京协和医院以及杭州脉兴医疗共同研发近2年的呼吸治疗智能管理模块,使用了浙江医院5年真实临床数据,运用机器学习技术建立预测模型,对撤机成功率进行预测,目前已在浙江医院部署使用一年多,验证结果显示预测成功率在90%以上，且在临床医生错误的脱机情况中，80%被模型识别出来脱机成功概率低。同样共同研发的死亡预测模块，模型在事件发生前的24小时甚至更早做出提示预警并辅助医生制定处置方案,在浙江医院验证数据显示,临床验证准确率超过90%。同时为浙江医院建立了ICU专科标准数据库,极大程度的辅助医生临床科研工作。

痛点、难点：截至2105年，国内ICU床位平均每10万人只有3.4张ICU床位资源，ICU医生与床位比达标的医院不足30%，护士与床位比达标的医院不足40%，这导致ICU内医护人员工作压力巨大。国内重症医疗专业人力资源有限，人才养成非短时间内可达成，稀少的重症医疗专业人力资源在照护人力比拉大后，该如何维持一致水平的医疗质量是一大挑战。

据统计，ICU内数据维度高达236项，这远超过了人力能控制的范围，通常情况下医护人员只能关注到60-70项。另外，ICU医生需要同时监护多个病人，加上现有监护仪的错误报警率，导致抢救时机的延误，使得医疗机构及医生蒙受损失，患者及家属承受巨大痛苦。在面对突发性的疫情时，ICU肩负起了救治重症患者的责任，但是短时间内爆发式的就诊需求，医疗资源短缺、院内交叉感染等使医生面对巨大的临床压力。降低医护人员工作量，提升临床医生的决策效率，减少诊疗失误率提升治疗水平，引入一套重症智能临床辅助决策信息管理系统，对ICU医疗资源进行重新整合，辅助临床决策，对治疗流程进行合理优化成为了唯一可行的解决方案。

思路、方法：1)应用结构一体化。消除过去由于不同软件平台带来的集成障碍。

2)逻辑架构层次化。使用分层架构原则拆分应用层次和数据层次。3)数据存储集中化。通过数据仓库技术建立集中存储的数据中心。4)科研分析模型化。基于统计学思想来构建新一代科研分析系统。5)技术平台组件化。引入组件化技术提高产品的复用度和稳定性。6）数据智能化。运用大数据、机器学习等AI技术，提前预警患者患病风险、实时提醒和推送、个体化预警临床事件、自动采集评分质控所需生理指标等，对医生临床诊疗活动进行全方位辅助。7）知识智能化。集成了知识库和临床路径功能，知识图谱以“疾病+药品”为核心，主要基于不断更新的疾病临床诊疗指南、临床路径、医学教材等权威部门颁布的医学资料，本次疫情期间已经加入了新冠肺炎的相关指南，通过机器学习、自然语言处理技术与人工整理审核相结合的方式，对医学知识库内容进行结构化、元素化梳理利用，构建完整的知识库体系，为医生诊疗过程提供以知识驱动的诊疗辅助。整体过程中，采用了高标准和高起点的一体化思路，以机器学习和知识图谱为核心技术，将数据驱动和知识驱动相结合，充分利用临床数据实现智能辅诊，对诊疗活动实现全程管控，改善患者预后及生存质量，提升医院的综合救治能力。

创新点：a.依靠专业的数据集成工具、先进的数据整合技术和领先的数据仓库架构建立实时更新的多参数智能数据库，同时具备数据获取、数据存储和数据访问等多种功能。

b.分析个体患者的综合诊疗情况，以图形化数据为展现形式，按时间顺序并根据医学规则分成不同的生理系统，进行多维度数据分析展示；进行死亡概率预测分析、呼吸机脱机概率评估等辅助临床医生提前预警患者风险及相关医疗行为决策的辅助。c.从业务系统中自动采集评分所需各项生理指标、自动收集质控数据，通过可视化形式直观的体现给医护人员。d.集成知识库和临床路径功能，以知识图谱构建为核心，系统功能包括相似病历、智能提醒、循证知识搜索推送等，对诊疗活动实现全程管控。e.建立ICU标准数据库，与北京协和医院共同申请北京市地方数据标准并获北京市卫健委通过，正在申请全国团体标准。f.掌上ICU实现远程查房，远程诊疗，实现临床数据零时差共享，可通过医联体、互联网医疗中心等远程医疗网络，使老少边穷地区享受到国家级专家的医疗服务，提高基层危急重症患者的救治能力和水平。

推广