范雙熾
醫(yī)學(xué)領(lǐng)域治療中手術(shù)治療是常用和有效的方法之一,外科系統(tǒng)承擔(dān)了醫(yī)院的主要手術(shù)治療隨著微創(chuàng)醫(yī)學(xué)的發(fā)展、內(nèi)科體系中心內(nèi)科、消化內(nèi)科也都開展了手術(shù)治療。往往一些患者因外科治療困難轉(zhuǎn)做內(nèi)科手術(shù)如微創(chuàng)介入下瓣膜置換(TAVI/TAVR)、內(nèi)鏡下逆行胰膽管造影取石術(shù)ERCP。這些侵入性手術(shù)都需要進(jìn)行麻醉,手術(shù)前對(duì)患者的評(píng)估是降低麻醉和手術(shù)并發(fā)癥和死亡率的有效措施和常規(guī)。術(shù)前風(fēng)險(xiǎn)預(yù)測(cè)是根據(jù)患者生理狀況、基礎(chǔ)疾病、麻醉和手術(shù)對(duì)機(jī)體的影響,量化評(píng)價(jià)風(fēng)險(xiǎn)水平的方法。麻醉醫(yī)生根據(jù)患者風(fēng)險(xiǎn)水平,制定和修訂麻醉和圍術(shù)期醫(yī)療方案和采取防范措施,從而降低潛在風(fēng)險(xiǎn),提高安全性和醫(yī)護(hù)質(zhì)量。目前醫(yī)療體系中手術(shù)治療是最常見的治療方式,麻醉手術(shù)中不同患者有不同的安全系數(shù),不同的風(fēng)險(xiǎn)和并發(fā)癥,三級(jí)綜合醫(yī)院每天的手術(shù)量從數(shù)十到數(shù)百不等,對(duì)于不同患者的麻醉手術(shù)風(fēng)險(xiǎn)評(píng)估也有不同的方法,如Palmberg 提出的“老年患者術(shù)后死亡率預(yù)測(cè)方法”、Destky 對(duì)Coldman 設(shè)計(jì)的“非心臟手術(shù)患者心臟風(fēng)險(xiǎn)預(yù)測(cè)方法”、改進(jìn)的ASA 麻醉風(fēng)險(xiǎn)預(yù)測(cè)方法等[1-6]。ASA 分級(jí)是最常用的分級(jí)方式,能對(duì)患者的狀況評(píng)估偏粗糙,綜合性能不夠。對(duì)于麻醉手術(shù)后的并發(fā)癥需要新的更智能的方法來提供有效預(yù)測(cè),依據(jù)風(fēng)險(xiǎn)評(píng)級(jí)圍術(shù)期能夠提供指導(dǎo)價(jià)值修改制定最佳的麻醉手術(shù)方案,采取預(yù)防措施,降低圍術(shù)期潛在的風(fēng)險(xiǎn),提高手術(shù)安全性和醫(yī)療質(zhì)量?;卺t(yī)院信息系統(tǒng)數(shù)據(jù)平臺(tái)的功能,以解決圍術(shù)期并發(fā)癥風(fēng)險(xiǎn)評(píng)估預(yù)測(cè)為主要目標(biāo)的系統(tǒng)方案,通過大數(shù)據(jù)技術(shù)科學(xué)的預(yù)測(cè)麻醉手術(shù)并發(fā)癥,指導(dǎo)臨床做好術(shù)前準(zhǔn)備,降低手術(shù)患者圍術(shù)期風(fēng)險(xiǎn)。
臨床數(shù)據(jù)取自福建醫(yī)科大學(xué)附屬三明第一醫(yī)院麻醉科信息系統(tǒng),電子病歷系統(tǒng)、病案管理系統(tǒng)。以2016—2018 年全部手術(shù)病例納入范圍,分別提取術(shù)前相關(guān)資料、術(shù)后并發(fā)癥以及死亡等相關(guān)數(shù)據(jù)。
目前臨床上常用的評(píng)估方法是ASA 分級(jí),根據(jù)患者的身體狀況、檢查指標(biāo)分為五個(gè)等級(jí)。由于使用上的局限先后出現(xiàn)了新的麻醉風(fēng)險(xiǎn)預(yù)測(cè)方法、麻醉和手術(shù)后心肺并發(fā)癥預(yù)測(cè)方法、老年患者術(shù)后死亡率預(yù)測(cè)方法、非心臟手術(shù)患者心臟風(fēng)險(xiǎn)預(yù)測(cè)方法,APACHE Ⅱ以及 POSSUM 評(píng)分體系主要針對(duì)術(shù)后并發(fā)癥的評(píng)估。以評(píng)估預(yù)測(cè)方法上所涉及的變量有,年齡、體重、BMI、生理指標(biāo)(心率、血壓、呼吸、體溫)、檢驗(yàn)指標(biāo)(鈉、鉀、肌酐、尿素氮、血紅蛋白、紅細(xì)胞壓積、血糖)、心電圖、手術(shù)類型、手術(shù)分級(jí)、失血量、器官功能狀態(tài)、ASA 分級(jí)等。根據(jù)麻醉手術(shù)前各類指示的臨床價(jià)值和可獲得的數(shù)據(jù)資料我們選用了年齡、體質(zhì)量、心率、血壓、鈉、鉀、肌酐、尿素氮、血紅蛋白、紅細(xì)胞壓積、血小板、血糖、心電圖、手術(shù)類型、手術(shù)分級(jí)、ASA 分級(jí)[7-9]。
對(duì)于圍手術(shù)期的患者最危險(xiǎn)的并發(fā)癥有呼吸、心跳驟停,這意味著可能導(dǎo)致生命終止,是其中第一要評(píng)估的風(fēng)險(xiǎn),接下來是各個(gè)重要臟器的功能損傷,呼吸道感染、肺栓塞、呼吸衰竭,心臟發(fā)生心肌梗塞、腦梗、腦栓塞、血液系統(tǒng)并發(fā)癥重度貧血、低血小板、DIC,其它的電解質(zhì)異常、神經(jīng)損傷也是相關(guān)的危險(xiǎn)因子。
手術(shù)分級(jí)手術(shù)依據(jù)其技術(shù)難度、復(fù)雜性和風(fēng)險(xiǎn)度,將手術(shù)分為四級(jí)。一級(jí)手術(shù):手術(shù)過程簡單、技術(shù)難度較低、風(fēng)險(xiǎn)度較小的各種手術(shù)。二級(jí)手術(shù):手術(shù)過程不復(fù)雜、技術(shù)難度一般、風(fēng)險(xiǎn)度中等的各種手術(shù)三級(jí)手術(shù):手術(shù)過程較復(fù)雜、技術(shù)難度較大、風(fēng)險(xiǎn)度較大的各種手術(shù)。四級(jí)手術(shù):手術(shù)過程復(fù)雜、技術(shù)難度大、風(fēng)險(xiǎn)度大的各種手術(shù)[2]。不同級(jí)別手術(shù)產(chǎn)生并發(fā)癥的風(fēng)險(xiǎn)也是不同,隨級(jí)別的增高并發(fā)癥的發(fā)生率也隨之增加。
并發(fā)癥類型我們選用死亡、心跳驟停、傷口感染、肺部感染、肺栓塞、腦栓塞、心肌梗塞、入住ICU。
臨床數(shù)據(jù)取自福建醫(yī)科大學(xué)附屬三明第一醫(yī)院麻醉科信息系統(tǒng),電子病歷系統(tǒng)、病案管理系統(tǒng)。以2016—2018 年全部手術(shù)病例納入范圍,分別提取術(shù)前相關(guān)資料、術(shù)后并發(fā)癥以及死亡等相關(guān)數(shù)據(jù)。
數(shù)據(jù)挖掘是通過各種分型模型發(fā)現(xiàn)各因變量與結(jié)果變量之間的邏輯關(guān)系,主要步驟是數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)清洗、數(shù)據(jù)挖掘(建立預(yù)測(cè)模型)、結(jié)果表達(dá)與分析[3]。5 種數(shù)據(jù)挖掘方法有回歸模式(regression)、分類模式(classification)、關(guān)聯(lián)模式(association)、聚類模式(clustering)、偏差模式(deviation)等[10-11]。
項(xiàng)目組使用了5 種數(shù)據(jù)挖掘方法進(jìn)行分析,旋轉(zhuǎn)隨機(jī)森林(rotating random forest)、隨機(jī)森林(random forest)、貝葉斯網(wǎng)絡(luò)(bayesiannetwork)及樸素貝葉斯網(wǎng)絡(luò)(naive bayesiannetworks)支持向量機(jī)SVM 等[5]。之前所得的數(shù)據(jù)集按2:1 的比例隨機(jī)分成兩組訓(xùn)練集和測(cè)試集,對(duì)并發(fā)癥的預(yù)測(cè)準(zhǔn)確性驗(yàn)證中,隨機(jī)森林模型預(yù)測(cè)準(zhǔn)確率達(dá)到87%(如表1),該模型的擬合度和準(zhǔn)確性都較高,接受者操作特征曲線(receiver operating characteristic,ROC)最終選取隨機(jī)森林模型作為核心模型。
圖1 圍手術(shù)期步驟
圖2 風(fēng)險(xiǎn)評(píng)估軟件數(shù)據(jù)流程
表1 各預(yù)測(cè)模型預(yù)測(cè)的準(zhǔn)確率
患者手術(shù)安排實(shí)施業(yè)務(wù)流程與手術(shù)前評(píng)估流程,詳見圖1 ~2。
利用我院住院部和門診電子病歷系統(tǒng),采用國際先進(jìn)的J2EE 技術(shù),支持Windows、Linux 等多種操作系統(tǒng)。所有的數(shù)據(jù)都保存在數(shù)據(jù)庫服務(wù)器,所有對(duì)數(shù)據(jù)庫的操作都通過應(yīng)用服務(wù)器進(jìn)行,從而有利于系統(tǒng)的安裝、維護(hù)、更新和數(shù)據(jù)的集中管理,增加了數(shù)據(jù)的安全性。臨床應(yīng)用評(píng)估的結(jié)果為低、中、高風(fēng)險(xiǎn)者三個(gè)等級(jí),中高風(fēng)險(xiǎn)根據(jù)臨床需進(jìn)一步檢查或糾正功能支持,詳見圖3 ~4。
圖3 風(fēng)險(xiǎn)評(píng)估軟件評(píng)估頁
圖4 風(fēng)險(xiǎn)評(píng)估軟件預(yù)測(cè)結(jié)果
手術(shù)是一項(xiàng)高風(fēng)險(xiǎn)的治療措施,不同部位,不同手術(shù)方式帶來的風(fēng)險(xiǎn)也不一樣,圍術(shù)期安全是手術(shù)、麻醉學(xué)科最關(guān)注的問題,安全包括術(shù)前、術(shù)中、術(shù)后的全程管理,減少并發(fā)癥的發(fā)生[12]。本課題通過收集整理全院2016—2018 年手術(shù)麻醉病例的圍術(shù)期數(shù)據(jù)經(jīng)過數(shù)據(jù)提取、整理、補(bǔ)缺建立圍術(shù)期并發(fā)癥數(shù)據(jù)庫。通過對(duì)變量權(quán)重的分析、應(yīng)用機(jī)器學(xué)習(xí)的方法建立數(shù)據(jù)預(yù)測(cè)模型,通過驗(yàn)證集的方案交叉確認(rèn)模型的可靠性,而后開發(fā)出圍手術(shù)期風(fēng)險(xiǎn)預(yù)測(cè)評(píng)估系統(tǒng),在國內(nèi)較早的人工智能在圍術(shù)期風(fēng)險(xiǎn)預(yù)測(cè)的大數(shù)據(jù)應(yīng)用。
經(jīng)過優(yōu)化以后的軟件可以通過麻醉信息系統(tǒng)連接HIS 系統(tǒng)、電子病歷系統(tǒng)、檢驗(yàn)系統(tǒng)、心電系統(tǒng)綜合提取患者術(shù)前檢查診斷等相關(guān)數(shù)據(jù),在手術(shù)前對(duì)全院手術(shù)麻醉患者批量進(jìn)行風(fēng)險(xiǎn)評(píng)估,篩選出高中低三個(gè)級(jí)別風(fēng)險(xiǎn)的患者,中低風(fēng)險(xiǎn)患者手術(shù)風(fēng)險(xiǎn)小,高風(fēng)險(xiǎn)患者需要重點(diǎn)分析風(fēng)險(xiǎn)的原因、并發(fā)癥發(fā)生的方向,對(duì)于麻醉方案的進(jìn)行重新選擇、調(diào)整、修改、讓患者的器官功能狀態(tài)改善,必要時(shí)進(jìn)行全院會(huì)診。這些措施可以有效降低圍手術(shù)期的風(fēng)險(xiǎn),提高患者圍手術(shù)期的安全保障。
疾病預(yù)測(cè)未來的發(fā)展方向?qū)⑹腔诙鄳B(tài)數(shù)據(jù),即包涵結(jié)構(gòu)化數(shù)據(jù)如文本、數(shù)據(jù)中心、影像、心電中心數(shù)據(jù),時(shí)間序列數(shù)據(jù),非結(jié)構(gòu)化的數(shù)據(jù),對(duì)于這樣多態(tài)的數(shù)據(jù)進(jìn)行整合預(yù)測(cè)具有重要的技術(shù)挑戰(zhàn)。有了這次項(xiàng)目的研究成果我們將與多家醫(yī)合作優(yōu)化風(fēng)險(xiǎn)評(píng)估系統(tǒng)的模型,提高預(yù)測(cè)的智能化和準(zhǔn)確度。對(duì)于麻醉質(zhì)量管理上將引入更多數(shù)據(jù)分析的新方法。在變量選擇上也將融合專業(yè)的醫(yī)學(xué)理論、醫(yī)療領(lǐng)域長期使用積累的風(fēng)險(xiǎn)評(píng)估方案結(jié)合機(jī)器學(xué)習(xí)的方法與臨床價(jià)值共同篩選,使評(píng)估系統(tǒng)的精度將進(jìn)一步提高具有更強(qiáng)的指向性和指導(dǎo)價(jià)值,增加按??萍膊∈中g(shù)進(jìn)行分類預(yù)測(cè)并發(fā)癥、按器官系統(tǒng)功能的風(fēng)險(xiǎn)預(yù)測(cè),讓手術(shù)麻醉風(fēng)險(xiǎn)評(píng)估更加智能、科學(xué)、規(guī)范。