王振鐸 曹強(qiáng) 王英強(qiáng) 邊倩

摘要：該文對(duì)生命體征監(jiān)測(cè)及醫(yī)學(xué)預(yù)警的發(fā)展情況進(jìn)行了綜述。首先，對(duì)生命體征數(shù)據(jù)采集方式、設(shè)備進(jìn)行了比較。然后，結(jié)合機(jī)器學(xué)習(xí)和計(jì)算思維在該領(lǐng)域的研究進(jìn)行了介紹。最后，總結(jié)了該技術(shù)的發(fā)展方向，提出將用戶(hù)、醫(yī)療機(jī)構(gòu)實(shí)現(xiàn)系統(tǒng)融合，利用機(jī)器學(xué)習(xí)、計(jì)算思維對(duì)人們的身體健康進(jìn)行主動(dòng)干預(yù)和診斷，為從事相關(guān)研究工作提供了思路。

關(guān)鍵詞：生命體征監(jiān)測(cè);醫(yī)學(xué)預(yù)警;機(jī)器學(xué)習(xí);計(jì)算思維

中圖分類(lèi)號(hào)：R472.4? ?文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2022）15-0007-03

1引言

隨著市場(chǎng)經(jīng)濟(jì)的高速發(fā)展，生活節(jié)奏的加快，人們常常處于各種工作、應(yīng)酬中，導(dǎo)致精神壓力過(guò)大、生活方式缺乏規(guī)律，進(jìn)而造成亞健康狀態(tài)，各種慢性疾病也隨之產(chǎn)生。為了更好工作和生活，人們對(duì)健康的需求日益增加。生命體征作為身體是否健康的常規(guī)指標(biāo)，對(duì)其日常監(jiān)測(cè)逐漸受到人們的重視。生命體征監(jiān)測(cè)技術(shù)的研究經(jīng)歷了從最開(kāi)始的摸索到如今逐漸深入。例如楊桂方等人設(shè)計(jì)了旨在提取被監(jiān)測(cè)人的生命體征的“生命體征數(shù)據(jù)采集系統(tǒng)”。該系統(tǒng)能夠自動(dòng)采集“體溫、脈搏、呼吸、血壓”四大生理參數(shù)，實(shí)現(xiàn)了生命體征數(shù)據(jù)的信息化采集，減少了護(hù)理人員的工作，但系統(tǒng)缺乏預(yù)警機(jī)制，還無(wú)法滿(mǎn)足人們對(duì)健康預(yù)防的更高要求[1]。機(jī)器學(xué)習(xí)作為推動(dòng)人工智能技術(shù)發(fā)展的核心動(dòng)力，在醫(yī)學(xué)領(lǐng)域已逐步應(yīng)用，并在疾病防治方面表現(xiàn)出顯著的作用[2]。機(jī)器學(xué)習(xí)結(jié)合生命體征的醫(yī)學(xué)預(yù)警及早期醫(yī)療干預(yù)逐漸成為醫(yī)療健康領(lǐng)域的主要研究方向。

本文主要從生命體征的監(jiān)測(cè)方式、機(jī)器學(xué)習(xí)在疾病預(yù)測(cè)及診斷、計(jì)算思維在醫(yī)學(xué)中的作用三方面對(duì)生命體征監(jiān)測(cè)及醫(yī)學(xué)預(yù)警技術(shù)進(jìn)行介紹。

2生命體征監(jiān)測(cè)的主要方式

2.1 人工監(jiān)測(cè)方式

在醫(yī)療機(jī)構(gòu)，生命體征數(shù)據(jù)的采集是護(hù)士的日?；A(chǔ)工作。在電子監(jiān)測(cè)設(shè)備廣泛應(yīng)用前，大都使用機(jī)械設(shè)備、人工測(cè)量，手工記錄。測(cè)量后，為了及時(shí)掌握患者的康復(fù)狀況，還需手工繪制各種生命體征數(shù)據(jù)的變化曲線，進(jìn)行分析。顯然醫(yī)院應(yīng)用信息管理系統(tǒng)，但是護(hù)理人員還需將手工記錄的數(shù)據(jù)全部錄入到護(hù)理系統(tǒng)中，以便利用計(jì)算機(jī)進(jìn)行快速地檢索和統(tǒng)計(jì)。目前，雖然數(shù)據(jù)采集設(shè)備已經(jīng)更新成電子設(shè)備，但是病人的各種生命體征數(shù)據(jù)的記錄和錄入工作并沒(méi)有減少，數(shù)據(jù)采集工作給護(hù)理人員帶來(lái)了很大的工作量，而且人為記錄和錄入容易出現(xiàn)錯(cuò)誤，數(shù)據(jù)的真實(shí)性和實(shí)效性不夠理想，易造成治療的安全隱患[3-5]。人工監(jiān)測(cè)方式也適用于購(gòu)買(mǎi)電子監(jiān)測(cè)設(shè)備居家自己監(jiān)測(cè)生命體征。但是，此種方式，需要人工操作設(shè)備，不夠自動(dòng)和智能，也不便記錄和分析。

2.2 非人工監(jiān)測(cè)方式

研究人員經(jīng)過(guò)多年的研究，結(jié)合多種技術(shù)和設(shè)備實(shí)現(xiàn)了生命體征的非人工監(jiān)測(cè)。主要有以下幾種：無(wú)線技術(shù)結(jié)合傳感器、生物雷達(dá)、智能穿戴。早在2005年，Edward Teaw、Gao等人提出了利用無(wú)線技術(shù)結(jié)合各種生命體征傳感器，監(jiān)視用戶(hù)的行為生命體征，并通知親屬和醫(yī)務(wù)人員在危及生命的情況下他們的位置，但無(wú)線技術(shù)在目前已被其他技術(shù)所替代[6-7]。近年來(lái)，生物雷達(dá)技術(shù)在非人工監(jiān)測(cè)方面應(yīng)用較為廣泛，例如利用脈沖無(wú)線電UWB雷達(dá)從記錄波形的頻譜中估計(jì)生命體征，尤其是呼吸頻率和心跳頻率[8]。為了獲得更好的監(jiān)測(cè)效果，Seet等人優(yōu)化了多普勒雷達(dá)系統(tǒng)中天線的設(shè)計(jì)，以便可以安裝在任何形狀的表面上[9]。隨著新技術(shù)、新型材料和新型生物傳感器的產(chǎn)生，可穿戴健康設(shè)備已進(jìn)入生命體征監(jiān)測(cè)的領(lǐng)域，其具有體積小、可穿戴、低功耗、結(jié)構(gòu)功能多樣靈活、工作過(guò)程可持續(xù)、可在移動(dòng)中使用的優(yōu)點(diǎn)。最重要的是把被監(jiān)測(cè)者雙手解放出來(lái)，使人仍能處理其他事情，且能真實(shí)反映個(gè)人健康狀況[10-12]。高端的安全型智能健康設(shè)備可以實(shí)現(xiàn)監(jiān)測(cè)、診斷、治療和輔助生活等作用。隨著技術(shù)的發(fā)展，可穿戴設(shè)備在醫(yī)療監(jiān)測(cè)和預(yù)警中的作用越來(lái)愈突出[13]。

3醫(yī)學(xué)預(yù)警技術(shù)的發(fā)展

生命體征數(shù)據(jù)的采集是進(jìn)行醫(yī)學(xué)預(yù)警的基礎(chǔ)。如何根據(jù)采集到數(shù)據(jù)進(jìn)行疾病分析和自動(dòng)呼救，才是最終的目標(biāo)。為了防止服刑人員在看守所內(nèi)羈押期間非正常死亡事件的發(fā)生，避免社會(huì)影響，保持公安機(jī)關(guān)執(zhí)法公信力。這是介紹了一種基于機(jī)器學(xué)習(xí)模型和無(wú)線傳感技術(shù)的高危人群在押人員生命體征監(jiān)測(cè)系統(tǒng)，該系統(tǒng)可以實(shí)時(shí)采集在押人員的生命體征數(shù)據(jù)，值班民警、醫(yī)護(hù)人員能夠通過(guò)遠(yuǎn)程實(shí)時(shí)監(jiān)控在押人員的身體狀況，當(dāng)在押人員身體出現(xiàn)緊急情況或突發(fā)疾病時(shí)，系統(tǒng)能自動(dòng)傳輸報(bào)警信息[14]。萬(wàn)軍等學(xué)者發(fā)明了一種基于人工智能的主動(dòng)120呼救系統(tǒng)，通過(guò)智能健康穿戴設(shè)備采集用戶(hù)的日常健康數(shù)據(jù)，并關(guān)聯(lián)用戶(hù)的體檢數(shù)據(jù)和診療過(guò)程中的醫(yī)療數(shù)據(jù);并將上述用戶(hù)數(shù)據(jù)上傳至云端進(jìn)行分析，若是重癥則主動(dòng)進(jìn)行120呼叫主動(dòng)干預(yù)[15]。Khalaf等人通過(guò)對(duì)4089個(gè)醫(yī)療急救電話記錄的審計(jì)、對(duì)住院病人病情惡化預(yù)警評(píng)分與單一觸發(fā)預(yù)警系統(tǒng)進(jìn)行了比較。統(tǒng)計(jì)數(shù)據(jù)顯示，及時(shí)的干預(yù)會(huì)減少風(fēng)險(xiǎn)不良事件發(fā)生率[16]。這些文獻(xiàn)表明，醫(yī)學(xué)預(yù)警技術(shù)正逐步成熟，在不遠(yuǎn)的將來(lái)，居家體征監(jiān)測(cè)和醫(yī)學(xué)預(yù)警技術(shù)會(huì)普及和應(yīng)用?，F(xiàn)在，醫(yī)療領(lǐng)域正全面貫徹國(guó)家“互聯(lián)網(wǎng)+”發(fā)展思維，促進(jìn)國(guó)家養(yǎng)老相關(guān)產(chǎn)業(yè)的發(fā)展，以老人數(shù)據(jù)庫(kù)、呼叫中心及智能終端產(chǎn)品為基礎(chǔ)，構(gòu)建緊急救援、生活幫助、主動(dòng)關(guān)懷三大服務(wù)方式，實(shí)現(xiàn)居家養(yǎng)老照護(hù)服務(wù)網(wǎng)絡(luò)，逐步推進(jìn)養(yǎng)老服務(wù)行業(yè)發(fā)展。在此基礎(chǔ)上，全民健康保障體系也將有序推進(jìn)和開(kāi)展。

4機(jī)器學(xué)習(xí)在疾病風(fēng)險(xiǎn)預(yù)測(cè)中的應(yīng)用研究

機(jī)器學(xué)習(xí)作為人工智能的主要分支，在疾病風(fēng)險(xiǎn)預(yù)測(cè)領(lǐng)域發(fā)揮著越來(lái)越重要的作用。其與醫(yī)學(xué)的融合為疾病的預(yù)防和治療帶來(lái)了諸多便利，如China-PAR 模型可以評(píng)估心血管疾病的十年風(fēng)險(xiǎn)和終生風(fēng)險(xiǎn)，為中國(guó)心血管疾病的一級(jí)預(yù)防提供了實(shí)用性評(píng)估工具，但該模型尚未在其他疾病領(lǐng)域推廣。為了使機(jī)器學(xué)習(xí)方法具有更廣泛的應(yīng)用，研究人員運(yùn)用多種機(jī)器學(xué)習(xí)算法對(duì)不同疾病風(fēng)險(xiǎn)進(jìn)行了預(yù)測(cè)，例如使用支持向量機(jī)算法檢測(cè)糖尿病前期和糖尿病患者，利用多種深度神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)宮內(nèi)生長(zhǎng)發(fā)育遲緩，應(yīng)用隨機(jī)森林算法對(duì)體格檢查人群的糖尿病患病風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)。但是，對(duì)于不同類(lèi)型的機(jī)器學(xué)習(xí)算法如何在疾病風(fēng)險(xiǎn)預(yù)測(cè)中精確應(yīng)用，不同算法的適用條件如何，不同算法的精準(zhǔn)度如何，尚缺乏客觀的數(shù)據(jù)說(shuō)明。8DBE87C7-AEA5-4339-8853-1204E0F0B2FB

可喜的是在2019年，佛羅里達(dá)大西洋大學(xué)和耶魯大學(xué)醫(yī)學(xué)院發(fā)表的兩項(xiàng)獨(dú)立研究表明，機(jī)器學(xué)習(xí)算法在改善慢性病風(fēng)險(xiǎn)評(píng)估和護(hù)理方面發(fā)揮了關(guān)鍵作用，尤其對(duì)阿爾茨海默?。ㄋ追Q(chēng)老年癡呆癥）患者和心臟病患者，機(jī)器學(xué)習(xí)可準(zhǔn)確地預(yù)測(cè)發(fā)病風(fēng)險(xiǎn)。來(lái)自耶魯大學(xué)的研究人員發(fā)表的另一項(xiàng)研究發(fā)現(xiàn)。將病人的64個(gè)冠狀CT成像特征輸入到機(jī)器學(xué)習(xí)模型中。該模型通過(guò)提取分析數(shù)據(jù)中的形態(tài)模式，可預(yù)測(cè)具有特定模式的患者比具有其他模式的患者更可能發(fā)生心臟病等不良事件。與傳統(tǒng)方法相比，機(jī)器學(xué)習(xí)方法的預(yù)測(cè)結(jié)果更加準(zhǔn)確。研究人員表示，如果增加人體的詳細(xì)數(shù)據(jù)，如年齡、吸煙、糖尿病和高血壓等，會(huì)進(jìn)一步提高該方法的預(yù)測(cè)效果。

機(jī)器學(xué)習(xí)方還能夠基于計(jì)算機(jī)系統(tǒng)對(duì)數(shù)據(jù)自我學(xué)習(xí)，在最小化人為干預(yù)的情況下，做出高精度的預(yù)測(cè)和決策，較傳統(tǒng)的統(tǒng)計(jì)學(xué)方法有著巨大的優(yōu)勢(shì)和良好的發(fā)展前景。在疾病風(fēng)險(xiǎn)預(yù)測(cè)領(lǐng)域，機(jī)器學(xué)習(xí)方法既可以針對(duì)特定疾病進(jìn)行預(yù)測(cè)，也可以對(duì)群發(fā)性、突發(fā)性的流行疾病進(jìn)行監(jiān)測(cè)預(yù)警。只有基于不同機(jī)器學(xué)習(xí)算法的特征和適用條件對(duì)這些算法更精準(zhǔn)地運(yùn)用，才能通過(guò)方法技術(shù)的發(fā)展，為疾病風(fēng)險(xiǎn)預(yù)測(cè)領(lǐng)域帶來(lái)變革。

5計(jì)算思維與醫(yī)學(xué)的結(jié)合與發(fā)展

5.1計(jì)算思維

計(jì)算思維起源于計(jì)算機(jī)科學(xué)家在研究和利用計(jì)算機(jī)進(jìn)行問(wèn)題求解過(guò)程中常用的思考問(wèn)題的方法。它的成果體現(xiàn)為在過(guò)去半個(gè)多世紀(jì)以來(lái)行之有效的若干分析問(wèn)題與解決問(wèn)題的典型手段與途徑。計(jì)算機(jī)科學(xué)問(wèn)題求解的基本形式和活動(dòng)包括算法、程序、執(zhí)行、基本機(jī)器構(gòu)建、系統(tǒng)構(gòu)建、模型計(jì)算、類(lèi)計(jì)算、形式化證明、處理過(guò)程中各類(lèi)工具與（各層次）系統(tǒng)的利用。同時(shí)，在其設(shè)計(jì)與實(shí)現(xiàn)中，包括工程設(shè)計(jì)與實(shí)現(xiàn)過(guò)程沉淀出一系列優(yōu)秀的思想和方法，而且工具性特色逐漸明顯化，甚至趨于更重要的地位。

5.2 計(jì)算思維與醫(yī)學(xué)的結(jié)合

在醫(yī)學(xué)領(lǐng)域，計(jì)算機(jī)思維已從初步在生理系統(tǒng)仿真建模、醫(yī)院信息管理系統(tǒng)，逐步發(fā)展到電子健康檔案、移動(dòng)醫(yī)療、計(jì)算生物學(xué)、生物信息學(xué)、健康物聯(lián)網(wǎng)等新型交叉學(xué)科以及更廣泛深入的應(yīng)用，并在醫(yī)學(xué)發(fā)展和研究中發(fā)揮越來(lái)越重要的作用。因此，醫(yī)學(xué)技術(shù)是否應(yīng)用計(jì)算思維，解決醫(yī)學(xué)相關(guān)的問(wèn)題，包括醫(yī)學(xué)研究、臨床決策、指導(dǎo)臨床應(yīng)用等，成為衡量醫(yī)學(xué)診療能力的關(guān)鍵。

在這個(gè)領(lǐng)域Yaakov Benenson等人描述的可編程的有窮自動(dòng)機(jī)是最著名，他們利用一種特殊的酶，實(shí)現(xiàn)了兩個(gè)狀態(tài)的非確定性自動(dòng)機(jī)，并將該自動(dòng)機(jī)應(yīng)用到一個(gè)醫(yī)學(xué)模型，開(kāi)創(chuàng)了DNA 醫(yī)學(xué)計(jì)算進(jìn)行醫(yī)學(xué)的疾病診斷與治療的發(fā)展方向。為了提高醫(yī)學(xué)圖像質(zhì)量，Rammurthy等人采用細(xì)胞自動(dòng)機(jī)和粗糙集理論，增加圖像預(yù)處理步驟，為腫瘤患者區(qū)域圖像改進(jìn)了分割結(jié)果。Kevin Viard等人提出了一種基于概率有限狀態(tài)自動(dòng)機(jī)的方法來(lái)檢測(cè)正在執(zhí)行的活動(dòng)。該方法可以監(jiān)測(cè)獨(dú)自在家生活的虛弱人群健康。通過(guò)在線識(shí)別一個(gè)人的日常生活活動(dòng)，以便檢測(cè)危險(xiǎn)或異常行為。計(jì)算思維還可以解決許多醫(yī)學(xué)上的問(wèn)題，這里就不再一一贅述。

6總結(jié)與展望

綜上所述，“生命體征監(jiān)測(cè)與醫(yī)療預(yù)警”方面的研究歷久彌新。相關(guān)專(zhuān)家和學(xué)者主要從設(shè)備、方法等方面進(jìn)行了研究和實(shí)踐。主要觀點(diǎn)如下：

1）數(shù)據(jù)采集的設(shè)備包括各種傳感器（心率傳感器、心電電極貼、血氧采集傳感器、血壓傳感器和紅外體溫傳感器等）、生物雷達(dá)、智能健康穿戴產(chǎn)品等。

2）數(shù)據(jù)傳輸方式主要采用ZigBee、藍(lán)牙、3G/4G 移動(dòng)網(wǎng)絡(luò)、UWB（Ultra Wideband）、Wi-Fi等。

3）機(jī)器學(xué)習(xí)在“疾病檢測(cè)和醫(yī)療預(yù)警”方面會(huì)發(fā)揮越來(lái)越重要的作用。

4）各種自動(dòng)機(jī)理論在疾病診斷中得到實(shí)踐，將為實(shí)現(xiàn)精準(zhǔn)醫(yī)療提供良好的理論支持。

以上研究的觀點(diǎn)與所處的時(shí)間、環(huán)境、技術(shù)關(guān)系密切。隨著信息技術(shù)和通信技術(shù)的快速發(fā)展，“生命體征監(jiān)測(cè)與醫(yī)療預(yù)警”采用的設(shè)備和技術(shù)必將與時(shí)俱進(jìn)。屆時(shí)會(huì)將物聯(lián)網(wǎng)技術(shù)、機(jī)器學(xué)習(xí)、計(jì)算思維等計(jì)算機(jī)科學(xué)融合起來(lái)，形成用戶(hù)、醫(yī)療機(jī)構(gòu)、醫(yī)生一體化快速、便捷、安全的生命健康保障體系。利用計(jì)算思維細(xì)化監(jiān)測(cè)的各種體征狀態(tài)（正常、輕微癥狀、急癥等），結(jié)合先驗(yàn)數(shù)據(jù)，準(zhǔn)確分析，并及時(shí)與醫(yī)生、醫(yī)院、急救中心等協(xié)同工作，實(shí)現(xiàn)疾病預(yù)警的自動(dòng)化和智能化，該方面的研究也必將成為新的研究熱點(diǎn)。

參考文獻(xiàn)：

[1] 楊桂方，徐衛(wèi)清，宋林玲，等.生命體征數(shù)據(jù)采集系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].中國(guó)醫(yī)療設(shè)備，2021，36（6）：102-106.

[2] Shamout F E，Zhu T T，Pulkit S，et al.Deep interpretable early warning system for the detection of clinical deterioration[J].IEEE Journal of Biomedical and Health Informatics，2020，24（2）：437-446.

[3] 徐執(zhí)印，劉曉榮，陳國(guó)良，等.生命體征監(jiān)測(cè)系統(tǒng)數(shù)據(jù)傳輸技術(shù)研究現(xiàn)狀[J].醫(yī)療衛(wèi)生裝備，2013，34（11）：87-90.

[4] 王春雷，柴守霞，袁杰，等.基于Android智能手機(jī)的移動(dòng)護(hù)士工作站[J].中國(guó)數(shù)字醫(yī)學(xué)，2013，8（5）：85-87.

[5] 夏新，劉博，陳彥東.智能體征檢測(cè)終端在護(hù)理信息系統(tǒng)的研究與設(shè)計(jì)[J].醫(yī)療衛(wèi)生裝備，2013，34（11）：46-48.

[6] Gao T A，Dan G，Matt W，et al.Vital signs monitoring and patient tracking over a wireless network[J].Conference Proceedings：Annual International Conference of the IEEE Engineering in Medicine and Biology Society IEEE Engineering in Medicine and Biology Society Annual Conference，2005，2006：102-5.8DBE87C7-AEA5-4339-8853-1204E0F0B2FB

[7] Wang P F，Zhang Y，Ma Y Y，et al.Method for distinguishing humans and animals in vital signs monitoring using IR-UWB radar[J].International Journal of Environmental Research and Public Health，2019，16（22）：4462.

[8] Nitin K，BoonChong S.24 GHz flexible antenna for Doppler radar-based human vital signs monitoring[J].Sensors （Basel，Switzerland），2021，21（11）：3737.

[9] Ajami S，Teimouri F.Features and application of wearable biosensors in medical care[J].Journal of Research in Medical Sciences，2015，20（12）：1208-1215.

[10] 廖華龍，曾小茜，李華鳳，等.機(jī)器學(xué)習(xí)在疾病預(yù)測(cè)中的應(yīng)用[J].生物醫(yī)學(xué)工程研究，2021，40（2）：203-209.

[11] 許文鵬，譚林，周千里，等.基于機(jī)器學(xué)習(xí)的在押人員生命體征監(jiān)測(cè)系統(tǒng)設(shè)計(jì)[J].現(xiàn)代計(jì)算機(jī)（專(zhuān)業(yè)版），2018（34）：68-73.

[12] 萬(wàn)軍，孫璇，劉娟，等.基于人工智能的主動(dòng)120系統(tǒng)：CN111128381A[P].20200508.

[13] Khalaf A，Kecskes Z，Georgousopoulou E N，et al.Comparison of an early warning score to single-triggering warning system for inpatient deterioration：an audit of 4089 medical emergency calls[J].Resuscitation，2020，154（prepublish）：7-9.

[14] 李明穎，劉錄.北京甘棠社區(qū)≥55歲居民動(dòng)脈粥樣硬化性心血管疾病調(diào)查與預(yù)測(cè)[J].社區(qū)醫(yī)學(xué)雜志，2021，19（14）：853-856，860.

[15] 張占林，孫勇，妥小青，等.隨機(jī)森林算法對(duì)體檢人群糖尿病患病風(fēng)險(xiǎn)的預(yù)測(cè)價(jià)值研究[J].中國(guó)全科醫(yī)學(xué)，2019，22（9）：1021-1026.

[16] Yaakov B，Binyamin G，Uri B D，et al.An autonomous molecular computer for logical control of gene expression[J].Nature，2004，429（6990）：423-9.

【通聯(lián)編輯：朱寶貴】8DBE87C7-AEA5-4339-8853-1204E0F0B2FB