周騰 白璐 陳軼戈

[摘要] 當(dāng)前我國面臨著人口老齡化加速、慢性病高發(fā)和醫(yī)療負(fù)擔(dān)重的現(xiàn)實問題，腦卒中作為當(dāng)前高發(fā)疾病之一，其高致殘致死率給家庭、社會帶來嚴(yán)重負(fù)擔(dān)。目前人工智能飛速發(fā)展，具有處理大數(shù)據(jù)的天然優(yōu)勢，在醫(yī)療領(lǐng)域也有很多應(yīng)用落地，本研究重點(diǎn)探索基于人工智能驅(qū)動下的的腦卒中高危人群早期篩查和預(yù)防工作模式，并探討其內(nèi)涵、構(gòu)建思路及研究內(nèi)容，從而為治未病、降低腦卒中發(fā)病率提供參考和借鑒。

[關(guān)鍵詞] 人工智能；腦卒中；早期篩查；預(yù)防

[中圖分類號] R743.3 [文獻(xiàn)標(biāo)識碼] A [文章編號] 1673-7210（2019）04（b）-0165-05

Early screening and prevention work mode of high-risk stroke patients driven by artificial intelligence

ZHOU Teng1 BAI Lu1 CHEN Yige1 LI Wenyuan2

1.School of Health Management， Southern Medical University， Guangdong Province， Guangzhou 510515， China； 2.NanFang Hospital， Southern Medical University， Guangdong Province， Guangzhou 510515， China

[Abstract] At present， China faces the real problem of accelerated population aging， high incidence of chronic diseases and heavy medical burden. Stroke is one of the current high-risk diseases， and its high disability and mortality rate imposes a serious burden on families and society. At present， artificial intelligence is developing rapidly， and it has the natural advantage of processing big data. There are also many applications in the medical field. This study focuses on the early prevention and intervention mode of stroke-based high-risk population driven by artificial intelligence， and explores its connotation， construction ideas and research content， so as to provide reference and reference to prevent the disease， reduce the incidence of stroke.

[Key words] Artificial Intelligence； Stroke； Early screening； Prevention

腦卒中（cerebral stroke）又稱“中風(fēng)”“腦血管意外”（cerebra vascular accident，CVA），是一種急性腦血管疾病，由于腦部血管突然破裂或因血管阻塞導(dǎo)致血液不能流入大腦而引起的腦組織損傷的一組疾病，包括缺血性和出血性卒中。據(jù)《中國心血管病報告2017》，推算我國現(xiàn)腦卒中患病人數(shù)為1300萬例，是全球中風(fēng)風(fēng)險因素占比最高的國家之一[1]。腦卒中可怕之處還在于其嚴(yán)重的致死致殘率，其中77.7%的患者終生殘疾，導(dǎo)致家庭生產(chǎn)力急劇下降，家庭負(fù)擔(dān)沉重。隨著醫(yī)學(xué)發(fā)展的長足進(jìn)步，目前的各類組學(xué)、影像學(xué)等檢測會產(chǎn)生大量的數(shù)據(jù)，這些數(shù)據(jù)體量大、變量多、結(jié)構(gòu)化不明顯且隨時間不斷積累，傳統(tǒng)的數(shù)據(jù)分析方式難以對其進(jìn)行分析、搜索、解釋和儲存，人工智能技術(shù)在數(shù)據(jù)初篩、預(yù)防跟蹤、治療干預(yù)等大數(shù)據(jù)處理方面方面表現(xiàn)出巨大的潛能，目前已經(jīng)在腦血管疾病相關(guān)影像診斷、綜合數(shù)據(jù)測算、異常數(shù)據(jù)報警等方面取得初步成效。本研究重點(diǎn)探索人工智能與腦卒中高危人群早期篩查和預(yù)防工作的有機(jī)結(jié)合，構(gòu)建卒中高危人群篩查分析系統(tǒng)與數(shù)據(jù)庫，通過與人工智能下的篩查數(shù)據(jù)庫進(jìn)行同步與信息交互，進(jìn)行更加完善、可以動態(tài)管理的預(yù)防工作，結(jié)合了健康宣教和預(yù)防干預(yù)，從而使篩查出的高危人群數(shù)據(jù)能被有效利用、連通宣教與預(yù)防工作，達(dá)到更好地一級、二級預(yù)防效果。

1 國內(nèi)外研究現(xiàn)狀

研究表明，當(dāng)前低收入、中等收入國家和高收入國家之間卒中負(fù)擔(dān)的差異一直在增加，大約75%的卒中死亡和超過80%的殘疾調(diào)整生命年（DALY）現(xiàn)在發(fā)生在中低收入國家[2]。美國每年新增的缺血性腦卒中患者超過69萬人[3]，每年有24萬多人罹患短暫性腦缺血發(fā)作（TIA），每年缺血性腦卒中復(fù)發(fā)風(fēng)險為3%～4%。從20世紀(jì)50年代開始，美國開始了腦卒中的人群防治，50多年間，腦卒中死亡率下降60%，過去的40年，腦卒中發(fā)病率在發(fā)展中國家增加了一倍，而同期在發(fā)達(dá)國家則降低了42%[4]。第66屆聯(lián)合國大會宣言明確指出：“更加優(yōu)先重視慢病的檢測，早期發(fā)現(xiàn)、篩查，診斷和治療以及預(yù)防控制；同時實施具有成本效益的干預(yù)措施，保護(hù)那些有高患病風(fēng)險的人群。”當(dāng)前國外的卒中高危人群早起預(yù)防教育模式研究成果眾多，Maniva等[5]學(xué)者針對卒中健康教育技術(shù)應(yīng)用進(jìn)行了綜合研究，表明目前健康教育對預(yù)防卒中具有重要作用，主要教育技術(shù)有印刷手冊、傳單、錢包卡、漫畫和海報、以及電子視頻、游戲等，通過大量的途徑進(jìn)行卒中宣傳教育，來達(dá)到預(yù)防提升知曉率；Pandian等[6]學(xué)者研究指出重點(diǎn)控制煙草、降低鹽攝入量和其他飲食干預(yù)來保證營養(yǎng)充足且均衡，此外還可以通過移動技術(shù)（mhealth）的試用來進(jìn)行健康教育和一級預(yù)防，聯(lián)合各級衛(wèi)生保健部門通過監(jiān)測和等級實施二級預(yù)防，遵照各國已有的高血壓和卒中疾病指南進(jìn)行完善。

當(dāng)前我國針對腦卒中高危人群早期預(yù)防模式研究已有部分成果，其中包括高艷等[7]學(xué)者研究的家庭醫(yī)生簽約服務(wù)模式，研究證明該模式可以有效地控制和減少腦卒中高危人群危險因素，但是在生活方式干預(yù)方面效果仍不理想；哈提米汗·買買提等[8]選擇互聯(lián)網(wǎng)+模式進(jìn)行高危人群的健康宣教，并驗證其效果可以在一定程度對高危人群生活方式進(jìn)行改善；黃凱帆等[9]學(xué)者選取醫(yī)院-社區(qū)協(xié)同健康管理模式對腦卒中高危人群進(jìn)行健康宣教和干預(yù)，并由研究結(jié)果證明該模式可以有效改善高危人群對卒中風(fēng)險認(rèn)知和健康生活行為；此外還有醫(yī)聯(lián)體模式的干預(yù)管理，通過在三級醫(yī)院神經(jīng)內(nèi)科等?？漆t(yī)師指導(dǎo)下，提高社區(qū)醫(yī)務(wù)人員對腦卒中高危人員篩查、規(guī)范化診治及管理的能力，并對患者進(jìn)行干預(yù)，結(jié)果顯示高危人群知曉率和自我管理能力均有提高[10]。

2 人工智能驅(qū)動下的腦卒中高危人群早期篩查和預(yù)防工作模式的內(nèi)涵和構(gòu)建思路

2.1 人工智能與腦卒中

人工智能（artificial intelligence，AI）當(dāng)前還沒有一項通用的定義，根據(jù)Giger[11]的定義，人工智能是一項旨在模擬人腦思考過程、學(xué)習(xí)能力和知識儲存的計算機(jī)技術(shù)[12]。

2019年1月8日，美國腫瘤學(xué)會主辦的《臨床醫(yī)師癌癥雜志》發(fā)表了美國2019年腫瘤最新的統(tǒng)計報告[13]，從1991年起連續(xù)25年的數(shù)據(jù)指出癌癥死亡率持續(xù)下降，這都得益于戒不良生活習(xí)慣、早篩和其他免疫治療的防治措施。與癌癥早篩類似，腦卒中也可由早期篩查、快速診斷并及時干預(yù)以減輕其危害。但大量的病患以及潛在病患的相關(guān)身體素質(zhì)監(jiān)控卻是一個龐大的數(shù)據(jù)庫。龐大的數(shù)據(jù)對于非醫(yī)護(hù)人員來說是一堆無法解讀的密碼，而對有限的醫(yī)護(hù)人員來說，暫且不說醫(yī)護(hù)專家對于疾病的醫(yī)治手段良莠不齊，有限的醫(yī)療人員也無法解決源源不斷的龐大的數(shù)據(jù)。近幾年隨著深度學(xué)習(xí)的火熱發(fā)展，醫(yī)學(xué)影像人工智能在這個領(lǐng)域大放光彩。得利于硬件技術(shù)和軟件技術(shù)的快速發(fā)展，結(jié)合醫(yī)學(xué)影像人工智能自動識別具有潛在危險因素的圖像，利用人工智能技術(shù)從龐大的數(shù)據(jù)中即刻篩查有用的數(shù)據(jù)以預(yù)防腦卒中變得可實現(xiàn)。人工智能是大數(shù)據(jù)時代的必然產(chǎn)物，通過人工智能技術(shù)，建立以疾病為中心的專病數(shù)據(jù)庫，獲取清楚、準(zhǔn)確、優(yōu)質(zhì)的數(shù)據(jù)，并在這些大數(shù)據(jù)中尋找關(guān)聯(lián)和模式，通過對結(jié)構(gòu)化數(shù)據(jù)的整合、分析，幫助醫(yī)生更全面地了解病人，從而更好地對患者早期篩查，實現(xiàn)精準(zhǔn)診斷和個性化的治療[14]。

醫(yī)學(xué)AI作為承擔(dān)生命重任的行業(yè)，發(fā)展至今不過短短數(shù)載，行業(yè)已經(jīng)發(fā)展的如火如荼，但未來的路還任重而道遠(yuǎn)。近年來，腦卒中方面的AI產(chǎn)品也相繼問世，產(chǎn)品多為醫(yī)學(xué)輔助診斷系統(tǒng)，服務(wù)于國內(nèi)外上千家大型醫(yī)院。卒中便捷攜帶式產(chǎn)品也將成為預(yù)防監(jiān)控卒中的新寵。隨時監(jiān)控使用者的身體各項指標(biāo)，快速見異常發(fā)送給親屬或者主治醫(yī)生，整個過程為患者節(jié)約寶貴的救治時間。

當(dāng)前人工智能已廣泛應(yīng)用于各行業(yè)，美國現(xiàn)在有一半的醫(yī)院采用自動語音識別來幫助醫(yī)生完成醫(yī)囑抄錄，且使用率還在迅速增長；IBM的Watson借助自然語言處理技術(shù)來閱讀和理解大量醫(yī)學(xué)文獻(xiàn)，通過假設(shè)自動生成來完成自動診斷，借助機(jī)器學(xué)習(xí)可以提高準(zhǔn)確率[15]。而在腦卒中方面，人工智能當(dāng)前主要應(yīng)用于腦卒中的疾病基因篩選和挖掘[16]、診斷過程中的影像識別和高危因素分析、治療過程中的康復(fù)治療和病人管理等、建立卒中高危人群專病數(shù)據(jù)庫、卒中患者搶救DTN時間分析系統(tǒng)、預(yù)測預(yù)后和協(xié)助醫(yī)生指定臨床決策等。本研究基于人工智能驅(qū)動，通過將預(yù)防干預(yù)工作信息與之前構(gòu)建的腦卒中高危人群專病數(shù)據(jù)庫結(jié)合，進(jìn)行數(shù)據(jù)挖掘和篩選，構(gòu)建干預(yù)模式，針對性的選擇不同方式進(jìn)行健康教育和干預(yù)。

2.2 腦卒中早期篩查可監(jiān)控的危險因素

2017年中國腦卒中防治報告[17]指出，2016年綜合標(biāo)化患病率測算我國40歲以上人群現(xiàn)患和曾患腦卒中人數(shù)達(dá)到1242萬人，其中腦卒中患者年輕化趨勢明顯，預(yù)計中國2012～2030年慢性病造成的經(jīng)濟(jì)影響總量將會高達(dá)27.8億美元。同時，由于我國當(dāng)前居高不下的老齡化問題和不健康的生活方式比重，腦卒中的發(fā)病率持續(xù)增長，年增長率從達(dá)到8.7%；2015年中國40歲以上的腦卒中患病率約為2%，年增長率高達(dá)8.79%，復(fù)發(fā)率高達(dá)17.7%[17]。

從流行病學(xué)角度看，只有一級預(yù)防才能有效降低疾病人群的發(fā)病率。且由于卒中的高發(fā)病率、高死亡率和高致殘率給社會、家庭和患者帶來沉重的負(fù)擔(dān)和巨大的痛苦，因而強(qiáng)調(diào)一級預(yù)防、減少卒中的發(fā)生尤為重要[18]。2018年國際腦卒中大會報告上匯報了當(dāng)前我國卒中防治的進(jìn)展，當(dāng)前已開展區(qū)域防治網(wǎng)絡(luò)體系和中心建設(shè)、規(guī)范基地醫(yī)院救治和綠色通道、編寫卒中防治指導(dǎo)報告、且大力開展健康教育。國際大量的研究也足以證明卒中可防可控，需要全方位的進(jìn)行預(yù)防和控制。根據(jù)2013年全球疾病負(fù)擔(dān)（GBD）研究[2]，潛在可改變的風(fēng)險因素導(dǎo)致超過90%的中風(fēng)負(fù)擔(dān)，而超過75%的負(fù)擔(dān)其實可以通過控制代謝和行為危險因素來減少。國際大量的研究也足以證明卒中可防可控，需要全方位的進(jìn)行預(yù)防和控制[17]。

從臨床研究和統(tǒng)計的數(shù)據(jù)上看[19]，高血壓、高鈉飲食、肥胖、吸煙、糖尿病是我國腦卒中高發(fā)的重要風(fēng)險因素。在腦卒中預(yù)防中重點(diǎn)關(guān)注可控制因素，其中包括體重指數(shù)（BMI）、血糖、膽固醇、飲食、運(yùn)動、吸煙、心血管疾病、高血壓、糖尿病等，和可干預(yù)因素，包括代謝綜合征、酗酒、高同型半胱氨酸血癥、偏頭痛、高脂蛋白、睡眠呼吸暫停、吸毒等。

3 人工智能驅(qū)動下的腦卒中高危人群健康宣教預(yù)防干預(yù)工作模式的內(nèi)容

本研究在使用人工智能建立好腦卒中高危人群篩查系統(tǒng)和數(shù)據(jù)庫的基礎(chǔ)上，將健康宣教與預(yù)防干預(yù)相結(jié)合，通過創(chuàng)新現(xiàn)有的醫(yī)患互動模式，來構(gòu)建健康宣教、生活方式干預(yù)、危險因素干預(yù)、藥物干預(yù)及動態(tài)干預(yù)等腦卒中預(yù)防系統(tǒng)。具體工作模式詳見圖1。

通過將線上的人工智能腦卒中高危人群專病數(shù)據(jù)庫與線下卒中高危人群早日預(yù)防干預(yù)工作模式進(jìn)行的信息交互實現(xiàn)實時信息流通，針對腦卒中高危人群數(shù)據(jù)庫中的每一個個體，進(jìn)行動態(tài)的改善和監(jiān)控，實現(xiàn)靈活的干預(yù)和實時的反饋。

3.1 健康宣教

對篩查出的高危人群進(jìn)行持續(xù)性健康教育干預(yù)，宣教腦卒中危險因素標(biāo)準(zhǔn)[20]。主要通過多媒體信息平臺方式，給予高危人群“警示”作用，提高主動預(yù)防的意識。通過聯(lián)合區(qū)域內(nèi)醫(yī)院與社區(qū)一體，對腦卒中高危人群采取多種信息平臺的宣教，如微視頻宣教、微信公眾號推送、健康短信提醒、定期檢查建議，講解腦卒中相關(guān)成因、危險因素、可控因素等。

此外，交談是非常有效的溝通方式，可進(jìn)行一次或多次交談，也可用復(fù)述形式強(qiáng)化記憶，針對文化水平較高群體，派發(fā)小冊子、宣傳卡等供其閱讀和學(xué)習(xí)；聘請專家到各大社區(qū)進(jìn)行現(xiàn)場授課、答疑。

3.2 預(yù)防干預(yù)

3.2.1 生活方式干預(yù) 腦卒中生活方式干預(yù)，主要通過腦卒中信息平臺與醫(yī)患溝通方式，指導(dǎo)高危人群在合理膳食、適量運(yùn)動、戒煙、限酒、控制體重、心理平衡等方面進(jìn)行居家干預(yù)。根據(jù)個體的不同情況，還要詢問了解個體的生活方式，在此基礎(chǔ)上指出患者不當(dāng)?shù)纳罘绞剑⒔o出全面合理的建議對其生活方式進(jìn)行指導(dǎo)，倡導(dǎo)健康生活方式，多吃蔬菜水果、牛奶、豆制品等，控制鹽的攝入量、避免高油高鹽食物；鼓勵適量的運(yùn)動，鍛煉心肺功能；戒煙限酒、保持積極良好的情緒等。

3.2.2 危險因素干預(yù) 腦卒中危險因素干預(yù)，主要通過腦卒中信息平臺與定期隨訪方式，對高血壓病、房顫、其他心臟病、糖尿病、血脂異常、頸動脈狹窄等檢驗檢查指標(biāo)進(jìn)行跟蹤干預(yù)。

專門設(shè)置護(hù)理人員進(jìn)行隨訪工作，對伴有高血壓、高血脂、糖尿病的高危患者，通過?？漆t(yī)師對慢性病的診治，強(qiáng)調(diào)規(guī)范用藥的必要性。隨訪內(nèi)容包括生活習(xí)慣改變、危險因素治療與控制、藥物的干預(yù)落實情況、心腦血管事件的發(fā)病情況等。

3.2.3 藥物干預(yù) 腦卒中藥物干預(yù)，是針對中風(fēng)高危個體隨訪情況，通過腦卒中信息平臺，根據(jù)個體卒中風(fēng)險及相關(guān)慢性病的患病情況，除開展形式多樣、持續(xù)性、易于接受的宣傳教育外，給予治療性藥物干預(yù)處方，包括抗高血壓藥、他汀類藥物、抗血小板類藥和中成藥等。

目前較多研究結(jié)果指出，抗血小板凝聚和應(yīng)用低劑量的抗凝藥物可以明顯降低腦卒中的發(fā)生率。參照中國腦血管病一級二級預(yù)防指南示范用藥[21]，早期或輕度高血壓患者首先采用改變生活方式干預(yù)，3個月效果不佳者采用抗高血壓藥物治療；中度以上高血壓進(jìn)行持續(xù)合理的藥物治療，控制血壓<130/80 mmHg（1 mmHg=0.133 kPa）；對腦卒中高危人群糖尿病患者給予藥物治療，控制空腹血糖<7.0 mmol/L；血脂異?；颊邞?yīng)采用他汀類藥物治療，例如給予阿托伐他汀鈣片。監(jiān)測藥物不良反應(yīng)并及時妥善處理。通過藥物干預(yù)后，進(jìn)行物聯(lián)網(wǎng)的數(shù)據(jù)動態(tài)監(jiān)控。

3.3.3 動態(tài)干預(yù) 研究構(gòu)建的腦卒中高危人群動態(tài)干預(yù)管理，將依托腦卒中高危人群數(shù)據(jù)庫，對高危人群進(jìn)行定期追蹤隨訪、動態(tài)管理。

對高危個體進(jìn)行3～6個月定期復(fù)查、隨診；觀察腦血管功能積分值變化及各項指標(biāo)變化；根據(jù)表格管理及時掌握健康促進(jìn)情況；定期組織腦血管病防治知識健康教育；與患者形成良性互動，激發(fā)患者主動參與管理；階段性評估，針對性地調(diào)整方案。

通過靈活和具體的信息傳遞與反饋，基于人工智能算法的大數(shù)據(jù)處理，對區(qū)域內(nèi)腦卒中高危人群的各項指標(biāo)數(shù)據(jù)進(jìn)行動態(tài)的監(jiān)控與評估，再由此進(jìn)行個性化的管理。

4 小結(jié)

腦卒中是單病種致殘率最高的疾病，其高發(fā)病率、高死亡率和高致殘率給患者身心、患者家庭及整個社會醫(yī)療資源帶來沉重的負(fù)擔(dān)[22-23]。腦卒中高危人群早期干預(yù)預(yù)防工作在卒中治療全過程中承擔(dān)著重要責(zé)任，腦卒中因為其高致殘率，導(dǎo)致?lián)尵人歪t(yī)過程的時間過長，患者送至醫(yī)院是已經(jīng)因為缺氧缺血導(dǎo)致大腦損傷致殘，因此多重預(yù)防作為先決步驟不可忽視，其早篩干預(yù)工作也具有巨大的社會效益和經(jīng)濟(jì)效益[24]。在如今高速發(fā)展的人工智能支撐下腦卒中高危人群早期篩查和預(yù)防工作已經(jīng)變得可實現(xiàn)，本研究建立了從查體到數(shù)據(jù)集成分析到健康宣教、生活方式干預(yù)、危險因素干預(yù)、藥物干預(yù)及動態(tài)干預(yù)等腦卒中預(yù)防系統(tǒng)，旨在構(gòu)建完善的、全面的預(yù)防干預(yù)體系，能夠與人工智能卒中高危人群數(shù)據(jù)庫形成對接，對腦卒中的早篩早治具有明顯的促進(jìn)作用。

[參考文獻(xiàn)]

[1] 陳偉偉，高潤霖，劉力生，等.《中國心血管病報告2017》概要[J].中國循環(huán)雜志，2018，33（1）：1-8.

[2] Feigin VL，Roth GA，Naghavi M，et al. Global burden of stroke and risk factors in 188 countries，during 1990-2013：a systematic analysis for the Global Burden of Disease Study 2013 [J]. Lancet Neurol，2016，15（9）：913-924.

[3] Go As，Mozaffarian D，Roqer VL，et al. Heart disease and Stroke statistics-2014 update：a report from the American Heart Associatio [M]. Circulation，2014，129（3）：148.

[4] 高偉飛.缺血性腦卒中一級預(yù)防管理路徑的制定及效果分析[D].杭州：浙江中醫(yī)藥大學(xué)，2018：3-5.

[5] Maniva S，Carvalho Z，Gomes R，et al. Educational technologies for health education on stroke：an integrative review [J]. Rev Bras Enferm，2018，71（suppl 4）：1724-1731.

[6] Pandian JD，Gall SL，Kate MP，et al. Prevention of stroke：a global perspective [J]. Lancet，2018，392（10154）：1269-1278.

[7] 高艷，劉佳，王爽.家庭醫(yī)生簽約服務(wù)模式對腦卒中篩查高?；颊吒深A(yù)效果觀察[J].當(dāng)代醫(yī)學(xué)，2018，24（35）：57-59.

[8] 哈提米汗·買買提，王育珊，徐曉璐，等.“互聯(lián)網(wǎng)+”健康管理干預(yù)模式在腦卒中高危人群中的應(yīng)用效果[J].廣西醫(yī)學(xué)，2018（7）：822-824.

[9] 黃凱帆，呂紅英，王妙芳.醫(yī)院-社區(qū)協(xié)同健康管理模式在腦卒中高危人群中的干預(yù)效果分析[J].中國實用醫(yī)藥，2018，13（19）：132-133.

[10] 張蓬川，宋煒，王海英，等.醫(yī)聯(lián)體模式下腦卒中高危人群篩查和干預(yù)的社區(qū)管理及效果評價[J].中國醫(yī)藥導(dǎo)報，2017，14（30）：180-184.

[11] Giger ML. Machine learning in medical imaging [J]. J Am CollRadiol，2018，15（3 Pt B）：512-520.

[12] 王韜，楊昆，焦力群.人工智能在腦卒中診治中的應(yīng)用現(xiàn)狀和展望[J].中國微侵襲神經(jīng)外科雜志，2018，23（6）：281-284.

[13] Rebecca L，Siegel MPH，Kimberly D. Cancer statistics，2019 [J]. CA，2019，69（1）：7-34.

[14] 朱永基.人工智能可支持腦卒中數(shù)據(jù)平臺[N].健康報，2017-05-22（08）.

[15] 朱善邦，王婷，徐衛(wèi)東.人工智能診療平臺在醫(yī)學(xué)領(lǐng)域中的應(yīng)用[J].中國醫(yī)療設(shè)備，2019，34（1）：152-155.