智慧医疗在盆底功能障碍性疾病中的研究进展与展望全文.docx

智慧医疗在盆底功能障碍性疾病中的研究进展与展望全文.docx

《智慧医疗在盆底功能障碍性疾病中的研究进展与展望全文.docx》由会员分享，可在线阅读，更多相关《智慧医疗在盆底功能障碍性疾病中的研究进展与展望全文.docx（5页珍藏版）》请在冰豆网上搜索。

智慧医疗在盆底功能障碍性疾病中的研究进展与展望全文

2021年智慧医疗在盆底功能障碍性疾病中的研究进展与展望（全文）

  在科学技术飞速发展的时代，信息化医疗经历了依赖于纸、胶片等介质的业务和管理信息电子化的数字医疗；再到通过把部分业务流程以互联网为媒质对外开放，形成医疗资源供给与患者需求的即时对接的互联网医疗；而如今正在向信息化医疗的第三阶段——智慧医疗转化。

智慧医疗的概念源自2009年国际商业机器公司（IBM）提出的“智慧地球（smartplanet）”战略，该战略包括智慧城市、智慧医疗等在内的六大领域。

之后美国、英国等国纷纷投入巨资加入到智慧医疗的建设中。

与国外相比，我国的智慧医疗起步较晚，但发展迅速。

2009年，我国首次对智慧医疗进行了概括；2015年，裘加林在我国第1个提出智慧医疗的概念，还有诸多学者的研究为智慧医疗的发展提供了理论指导［1］。

智慧医疗，即“互联网医疗+人工智能”，是以人工智能为核心，大数据为基础，应用人工智能技术将数字化人体和数字化医疗等高度智慧化；构建从基于大数据的底层基因、中层病症数据，到上层诊断和手术的上下一体，人与机器互联、协作、共进的新医疗体系［2］。

  目前，智慧医疗在儿科学、眼科学、内分泌学及各类恶性肿瘤等方面学者们正在进行积极研究及发展，相比之下，在盆底功能障碍性疾病（pelvicfloordysfunction，PFD）方面尚在起步阶段。

PFD虽然是良性疾病，但是其发病率高，患者多为老年人，病程长，其流行病学特征符合我国疾病谱以慢性病为主、人口以老龄化为主的国情，PFD已严重影响女性的生命质量及身心健康，为影响女性健康及生命质量的5种常见慢性病之一。

  传统的PFD诊疗模式正面临着多个挑战：

（1）由于诱因多、机制不明，准确诊断对临床医师的经验要求高；

（2）治疗方法繁多，需综合考虑才能选择个体化方案；

  （3）手术疗效欠佳，术后并发症处理棘手；

  （4）诊疗常需妇产科、泌尿科、消化内外科、影像科等多个学科合作；

  （5）我国专业的妇科泌尿专科医师少，无法保证所有患者都能被有效治疗及管理。

  而智慧医疗融合了云计算、大数据、物联网、互联网、人工智能这些信息化产物，是将人的健康管理与医疗信息化、医疗智能化交相融合的高级阶段，必将在解决这些问题及开创全新的诊疗模式中发挥重要作用。

本文重点综述在PFD的预测及预防、临床决策诊疗方案、手术治疗及随访等方面智慧医疗的研究和应用进展，总结目前各种智慧医疗诊疗系统的优点和不足之处，分析智慧医疗在PFD中的应用前景，旨在为中国研发原创型PFD智慧医疗诊疗系统奠定基础。

一、智慧医疗在PFD中的应用及研究进展

（一）智慧医疗在PFD的预测及预防中的研究和应用进展

  1.大数据建立PFD预测模型的应用：

应用大数据建立预测模型已经可以用来预测普通人群相关疾病的发生风险。

Slieker－ten等［3］使用包含17个问题的预测模型和包含8个问题的盆腔器官脱垂（pelvicorganprolapse，POP）评分表已可用来预测45~85岁女性人群POP发生的风险。

  应用大数据建立预测模型也可筛选相关疾病的高危人群进行积极干预。

1项国内研究纳入了孕早、中、晚期（分别为185、242、328例，共755例）孕妇的年龄、孕周、纳入时体重、纳入时体质指数（bodymassindex，BMI）、孕前BMI、妊娠次数、流产史、既往阴道分娩史等信息，建立了孕期压力性尿失禁（stressurinaryincontinence，SUI）发生风险预测模型，模型的错判率为36.30％，敏感度为80.26％，特异度为53.88％［4］。

该模型可识别孕期SUI的高危孕妇并在孕期对SUI进行积极干预，不仅能减少孕期SUI的发生，也能使医疗资源实现最大化利用［4］。

  2.应用智慧医疗的互联网医疗+人工智能模式对PFD高危对象进行预防：

产后妇女是发生PFD的高危人群，加强对高危人群的管理，对重点对象进行预防，是PFD管理的重中之重。

日本的1项研究采取了人工智能提醒服务，对产妇进行盆底肌训练8周的干预，结果发现，研究组训练的执行率为69％，对照组为31％；研究组每天训练次数的中位数为15次，每周训练7d，高于对照组的每天训练1次及每周训练3d，证实人工智能提醒服务可加强产妇对产后盆底肌训练的依从性及坚持度，提高产后尿失禁妇女的生命质量［5］。

在未来还可以继续开发人工智能提醒服务+治疗师的新模式。

  应用“互联网医疗+人工智能”模式，还可采用线上方式进行专业知识的宣教工作，提供盆底健康专题资讯，引导PFD相关发病高危人群重视疾病的早预防、早发现、早治疗；提供专科知识库，引导PFD相关发病高危人群通过对比自身情况与知识库中的问题而了解自己需要注意的事项和有关的干预治疗理念等；设置留言解答版块，提供在线问答，加强医患沟通。

（二）智慧医疗在PFD诊断及治疗中的研究和应用进展

  1.智慧医疗在PFD诊断中的的研究和应用进展：

在智慧医疗的概念正式提出之前，其已以不同方式指导医师的临床决策，并不断发展进步。

早在1976年，美国斯坦福大学研发的“MYCIN系统”，内部共有500条规则，只要按顺序依次回答其提问，系统就能自动判断出患者所感染细菌的类别，并为其开出相应的处方［6］。

随着大数据的兴起，医学界不再满足于这种单一的解决问题的方法，不断有学科开始尝试研发综合性更强的人工智能化诊疗系统，例如：

2016年，美国谷歌公司研发的糖尿病视网膜病变诊断系统的准确率与眼底病专科医师一致；2017年，美国斯坦福大学的联合研究团队研发的人工智能皮肤癌诊断系统准确率＞91％；2018年，日本著名癌症诊疗中心成功开发出世界上首个人工智能图像胃癌诊断系统，达到92.2％的检出率［7］。

  由此可见，智慧医疗的发展无疑能为临床医师的诊疗决策提供极大的帮助。

骨质疏松，是一种具有与PFD相似流行病学特征的疾病，目前也正在进行着人工智能应用的研究。

随着社会老龄化，骨质疏松的患者在增多，由于医疗资源分配不平均、不及时，不合理的就医往往会导致严重的不良结局，对骨质疏松患者的生命质量有着严重的影响。

在建立骨质疏松生物样本库时注重纳入大量的骨密度数据和流行病学因素调查数据作为筛查系统的数据基础，同时在诊疗和随访中注重纳入大量的专业术语、影像学数据、血液和尿液生化指标等［8－9］。

同理，在进行高质量的PFD生物样本库建设时，也应注重大量高质量数据的纳入、收集及评估。

  应用智慧医疗对PFD进行诊疗，其开发技术的关键在于高质量的生物样本库建设，往往可以为临床决策提供更高等级的支持。

PFD诊疗方面的问题多需结合患者的不同情况进行个体化、针对性的诊疗，例如：

PFD患者是否需要接受手术、接受手术后发生相关并发症的风险有多高、POP患者是否需要同时行抗尿失禁预防性吊带手术等。

传统上，这些意见的证据常依靠医师的临床经验，其证据等级往往也偏低，并不能科学地给予个体化的诊疗决策。

如果能使用大数据建立结合患者的生长环境、家族特征、生活状态、生育史、基础研究的成果等在内的诊疗模型，对疾病精准评估及治疗，降低疾病的复发率，缩短治疗周期，则可解决这些相关问题。

  针对以上问题，国内外已经有研究人员开始应用大数据诊疗模型对其进行预测分析。

Vergeldt等［10］建立了在术前针对具有相关因素的患者预测其术后发生阴道前壁膨出复发风险的诊疗模型，模型分析了287例接受了使用自身组织进行阴道前壁修补手术的POP患者的数据，包括的因素有阴道助产、术前阴道前壁膨出的盆腔器官脱垂定量（POP－Q）分度、有无合并除前壁外其他部位的膨出及数量、Valsalva动作时肛提肌出现的缺损及裂孔大小，模型的一致性达到了69.7％。

  2018年，Jelovsek等［11］对1301例患者的数据及32个危险因素进行分析建立的风险预测模型能够提供POP患者在盆底重建手术后发生脱垂复发、并发症及生命质量改变的风险预测，经验证其一致性指数达到了0.62~0.72，更好地将患者的需求个体化及精确化，同时也能给出更加合理的诊疗方案。

  2019年，Jelovsek在之前研究的基础上更进一步提出的风险模型不仅可预测POP术后新发SUI的发生风险，并可有助于做出是否需在行POP修复手术的同时放置吊带的决策。

该模型是为了验证对于POP?

Q分度达到Ⅱ度以上的患者手术中同时行尿道中段悬吊带术与否对术后新发尿失禁有无减少作用，分析了152例术前无SUI并接受手术的参与者的数据建立了预测模型，该模型中的分析因素包括年龄、阴道分娩次数、与尿急相关的漏尿史、糖尿病史、BMI、术前咳嗽/漏尿试验（coughstresstest）结果及尿道吊带的放置，其一致性指数达到0.63（95％CI为0.52~0.74）［12－13］。

  国外的预测工具虽有较高的敏感度及特异度，但多有局限，例如：

Michigan失禁指数（Michiganincontinencesymptomindex）对尿失禁症状的预测阳性率只有43％，且其适用人群为35~64岁的普通人群［14］；Diokno等［15］编制的尿失禁索引表，其研究人群为白人，无法将其推广应用至其他人群中；Sabadell等［16］发表的POP术后1年后存在客观或主观的新发SUI的风险预测模型应用于新发SUI发病率较低的人群时，并未表现出良好的临床预测价值。

  综上所述，我国目前在PFD方面尚未有完善的符合我国国情的人工智能诊疗系统。

但建立完善的智慧医疗并非易事，建立PFD诊疗的人工智能模型需要大量的数据包括流行病学因素调查数据作为诊疗系统的数据基础，需要大量的专业术语、影像学数据、电生理数据、临床表现、查体、尿动力学检查等多项信息的采集。

从基础的疾病分类、临床路径、知识图谱着手，将临床专家的经验与PFD患者的数据结合，再通过机器学习、数据挖掘等人工智能技术，实现基于PFD电子病历的智能化诊断及治疗模型的建立。

  2.智慧医疗在PFD的手术治疗中的研究和应用进展：

机器人手术系统（roboticsurgicalsystem）于1999年进入临床使用；2005年4月，获得美国食品药品管理局（FDA）批准用于妇科手术。

近年，使用机器人系统辅助治疗PFD的手术术式及数量逐渐增加，包括机器人阴道骶骨固定术（robot－assistedsacrocolpopexy，RASC）、子宫骶骨固定术、尿道中段悬吊带术、膀胱颈悬吊术，其中以治疗POP的RASC术式最为广泛使用。

研究表明，RASC的解剖结构恢复率达91％，临床有效率在84％~100％，中位手术时间为194min（75~537min），中位术中出血量为50ml（10~1000ml），中位住院时间为2d（0~50d）；其中3％的患者发生了术后并发症，根据Clavien?

Dindo手术并发症分级标准，以Ⅰ、Ⅱ级为主，且能保证术后的性功能［17－18］。

  在国外的相关文献中，主要将RASC与传统的开腹阴道骶骨固定术（abdominalsacrocolpopexy，ASC）、腹腔镜阴道骶骨固定术（laparoscopicsacrocolpopexy，LSC）及经阴道植入网片手术（TVM）进行比较。

在1项系统评价［18］中，有4篇文献肯定了RASC较ASC在出血量（分别为83、228ml）、住院时间（分别为2、3d）及花费上的优势，但手术耗时更长（分别为212、150min）［19?

22］。

1项纳入了531例患者的系统评价将RASC与LSC进行比较，发现RASC与LSC相比治疗效果及并发症发生率相当，RASC相比于LSC术中出血量更少（分别为60.1、114.4ml），但在手术时间（分别为245.9、205.9min）、住院时间（分别为1.5、1.2d）方面均无优势，同时花费增加［23］。

1项将RASC与TVM进行比较的研究发现，两者在手术满意度、出血量、住院时间上均无明显差异，但RASC手术时间更长、麻醉药物用量更大［24］。

  总体而言，机器人手术系统借助智能化的机械臂及高清3D显像系统等设备，为妇科医师提供了更高的灵活性、精确度和三维图像，从而解决了盆底器官位置隐匿、结构复杂、传统盆底修复手术在狭小的盆腔空间中操作存在很大的局限性的问题，实现盆底手术的微创化、功能化、数字化和智能化。

但是机器人手术系统在欧美国家应用较多，在我国还不常用，而国外文献中提到的手术时间长、费用高昂则是今后开展工作中需要注意的问题。

  （三）智慧医疗应用于PFD术后随访的展望

  随着盆底手术数量和比例逐渐上升，传统的人工随访面临着工作量大、质量下降和人力成本上升等困境。

因此可以想象，如果引入成熟的智能语音技术，对于减轻劳动强度、延伸医疗服务、加强医疗安全将有着积极的作用。

首先经院内医院信息系统导入患者的信息，语音助手通过终端自动拨打患者的电话，模拟人声与患者进行交流，询问术后发热、疼痛、出血及性生活等情况，并采集随访者的有效信息，经过人工智能语音系统的自然语言处理及神经网络算法进行语义分析，自动生成对应的随访指标信息，甚至可以对其进行整理及分析。

二、智慧医疗存在的缺陷

  随着科学技术的进步和信息技术的发展，智慧医学应运而生。

在我国目前的环境下，智慧医疗在我国得到了迅速的发展。

在宏观指导、资源共享、信息安全、法律法规等方面还存在许多需要完善和解决的问题。

随着政府的支持和我国高新技术的快速发展，加强政府参与、扩大应用范围、普及信息共享是智慧医疗的发展趋势。

  1.人才缺口：

目前，我国人工智能产业规模超过1500亿元，在2017年全球新兴人工智能项目中，中国占据51％，但全球人工智能人才储备，中国却只有5％左右，人工智能人才缺口超过500万。

2020年2月，教育部、国家发展改革委、财政部发文指出，应深化人工智能内涵，构建基础理论人才与“人工智能＋X”复合型人才并重的培养体系，为我国抢占世界科技前沿，提供更加充分的人才支撑。

  2.安全危机：

（1）信息危机：

大数据将患者的信息保存于云端或服务器，即使被人为删除也能找回。

医疗机构拥有海量的患者健康数据，这会使人担心以患者隐私谋取暴利的危机。

（2）信任危机：

由于大部分患者对智慧医疗知之甚少，常会有各种担忧，如：

系统突然出现故障、不能顺畅交流、不能理解患者的病痛、给出的方案不符合实际、收费过高等［25］。

  （3）诊疗危机：

智慧医疗诊疗系统并不能完全保证在实际运行过程中不会做出危害人类的行为。

提供错误或致命的诊疗方案，或手术中机器人系统突然出现故障，或人工智能影像诊断结果误诊，其医疗责任的界定问题尚未明确。

三、总结与展望

  综上可以看出，相较于其他学科和疾病，PFD具有独特的疾病特点，使其在智慧医疗发展的过程中具有其独特性。

在流行病学方面，患者高龄，发病率高，病程长，严重影响生命质量；在发生机制方面，诱因繁多，机制不明；在临床诊疗方面，对临床医师的要求高，准确诊断困难，需多学科协助，病情复杂，需有针对性的个体化治疗；在疾病预后方面，若诊疗方案或手术适应证选择不恰当可导致疗效欠佳、造成术后并发症、严重者可对患者的生命质量和经济方面造成极大的影响。

  因此，需要建立的是基于PFD特征的专科化智慧医疗体系，这必将对早期高危人群筛查、疾病诊断、合适的患者及手术方式的选择、手术预后及远期随访发挥不可估量的作用。

  开展智慧医疗为人类健康服务是大势所趋，但是目前在各个方面尚属起步阶段，在PFD中更是有着巨大的发展空间。

智慧医疗在PFD中的应用拓展会对其他学科的应用有借鉴意义，并随着信息科学的发展，在疾病防控、诊疗方面发挥越来越强的作用。