基于云的跨硬件平台睡眠障碍远程诊断系统

吴 娜，许利群，高 和，段 莹，常耀斌，方若洁，李 燕

基于云的跨硬件平台睡眠障碍远程诊断系统

吴 娜，许利群，高 和，段 莹，常耀斌，方若洁，李 燕

目前，国内睡眠障碍及相关疾病患者不断增多，而相应的用于评估、临床诊断和干预的医疗资源严重不足且分布不均。为此，作者提出创新型的“睡眠＋互联网”的解决方案，利用互联网、人工智能等信息技术手段，与临床睡眠诊断知识和专家经验深度结合，设计实现跨硬件平台睡眠障碍远程诊断系统，并应用于实践，为丰富、提高和拓展睡眠诊疗领域初级医护服务的能力和手段，促进优质医疗资源跨地域共享，提供了一条方便、可行的路径。

睡眠障碍；多导睡眠图；远程医学；人工智能

根据2014年世界卫生组织调查显示，在世界范围内27%的人患有睡眠障碍，而中国各类睡眠障碍的人群高达38.2%[1]；我国睡眠障碍人群中有近3亿人失眠，约2亿人打鼾，5 000万人在睡眠过程中发生过呼吸暂停[2]。可见，睡眠障碍普遍存在，包括失眠、睡眠呼吸暂停综合征、异态睡眠、昼夜节律障碍、下肢不宁综合征等睡眠障碍严重影响了人们的生活[3]。睡眠障碍与许多心脑血管疾病及精神疾病，如高血压、冠心病、心律失常、卒中、焦虑、抑郁等密切相关，还会严重影响人的精神状态[4]。

面对庞大的睡眠障碍人群及对健康的严重威胁，中国在提供睡眠诊疗服务方面还远不能满足需求，且存在以下问题:①国内睡眠医学起步较晚，医疗资源稀缺，只有部分三甲医院和极少数的二级医院有睡眠监测室，独立的睡眠医学专科更是凤毛麟角。因此，患者得到及时、准确诊疗的机会有限，诊断等待时间较长且成本相对较高。基层医院虽有空余床位，但缺少诊治能力，资源没有得到合理利用。②睡眠疾病的诊治具有特殊性，信息数据获取困难，作为睡眠障碍监测的金标准——多导睡眠图(polysomnography，PSG)数据需要经过专业培训的睡眠技师进行判读，而基层医院缺少相应的资源，无法提供服务。③不同厂家生产的PSG设备并不兼容，针对不同睡眠障碍检测的简化版PSG也应运而生，但数据格式并不统一，各个医院患者的PSG数据通常独立存储，成为数据孤岛，无法进行院际间数据的互联互通和睡眠监测大数据分析。

为了解决上述问题，作者提出了“睡眠＋互联网”的分析诊断创新理念和解决方案，利用互联网、人工智能等信息技术手段，与临床睡眠诊断知识和专家经验深度结合，研究跨硬件平台的睡眠障碍远程诊断关键技术和系统实现，并应用于实践，为丰富、提高和拓展睡眠诊疗领域初级医护服务的能力和手段提供一条可行的路径，能够更便捷、低成本、更为有效地为广大民众和边远地区官兵提供专业、优质的服务。

1 系统的总体设计

系统设计目标是将三甲医院的睡眠医学专科打造为区域性专业睡眠医学服务中心，与医联体内的众多基层医院和部队诊所无缝相连，为患者提供及时、优质、专业的服务，惠及广大患者；进一步地，可对体检连锁机构、老年照护中心等开放，提供睡眠障碍、脑认知等功能疾病筛查服务。

1.1 系统的设计思想 基于上述目标，系统设计围绕4点展开:①构建基于云的智慧医疗睡眠障碍分级诊疗服务系统。基于睡眠诊疗临床实践以及分级诊疗临床需求，构建分级、分区域、分角色的睡眠障碍分级诊疗模式和端到端系统。②设计基于云的睡眠障碍分级诊疗云平台。研究和实现睡眠监测大数据的统一存储、多角色的业务权限和流程的统一管理、睡眠判读结果的存储和调用、报告的生成和同步管理等技术。③自主研发通用PSG判读软件。研究主流PSG的解析、显示和标注技术，实现整晚同步监测脑电、眼电、肌电、呼吸气流及呼吸努力、心电、血氧及二氧化碳、肢体运动等多项生理参数，且能够同步显示，睡眠分期和事件实时标注等功能。④实现PSG数据智能分析算法。基于专家系统和机器学习算法对多维生理信号进行各类睡眠障碍问题的智能分析和辅助诊断(睡眠分期、呼吸暂停综合征、下肢不宁综合征等)，提高医生工作效率，提升诊断准确率。

1.2 系统主要功能设计 系统由基层医院管理门户、面向区域睡眠医学中心云平台、通用PSG判读客户端3个子系统和14个功能模块组成(图1)。

图1 系统功能框架

各子系统功能:①基层医院管理门户，实现患者就诊信息管理、睡眠监测数据的远程传输和监测报告的实时查询；②面向区域睡眠医学中心云平台，实现医院分级管理、多级多角色用户管理、数据管理、质量控制管理、判读任务管理、睡眠分期智能判读和报告管理功能；③通用PSG判读客户端，能够解析并显示主流PSG的监测数据，对睡眠分期和睡眠事件进行判读，实现睡眠事件智能判读和监测指标统计。

2 关键技术研究与实现

2.1 睡眠中心云平台 云平台采用主流的云计算技术实现数据的海量存储和灵活调用[5]，解决远程睡眠诊疗的分级管理、数据传输、辅助判读、报告管理等问题，并满足业务拓展需求。云平台为各级医院提供五大数据服务能力，包括睡眠大数据高并发上传存储、高可靠数据管理、安全数据权限认证、睡眠数据智能分析处理及结果异步返回、高效监测报告查询。

2.1.1 基于微服务架构的睡眠云平台设计 针对高效展示睡眠监测报告需求，通过聚合器设计模式和双向绑定技术，让本地浏览器缓存一次加载服务端的数百份数据监测，解决睡眠大数据在网络传输过程和数据展示过程中的高延迟问题。针对数据分析的云端处理需求，通过异步消息传递微服务设计模式，实现智能分析算法的云端处理和客户端展示的异步传输实时响应需求。

2.1.2 安全权限框架设计 针对基层和三甲医院的多角色管理及任务协作，采用身份认证和授权机制实现双级权限管理，保证多线程应用下的并发验证和密文加密的数据权限需求。

2.1.3 高可用数据库服务的设计 采用分片模式和复制集模式结合，支持睡眠大数据分片和复制需求，满足数据库自动故障处理、自动故障转移、自动扩容，实现睡眠报告指标索引、动态查询等功能。

2.1.4 高并发睡眠数据文件采集设计 采用业内主流的高并发框架和微设计模式组合，实现技术和业务分类、断点续传和多线程并发处理相结合的技术难点，满足业务可扩展和灵活配置的在线升级需求。

2.2 PSG判读客户端 根据PSG判读需求[6-8]，客户端提供PSG、睡眠结构图、波形和评分事件4个主要显示窗口。其中，PSG窗口是整个客户端的核心窗口，负责将采集传输的睡眠数据以导联为单位显示在界面上，并支持睡眠分期和相关事件判读；睡眠结构图窗口以“帧”为单位，将所有睡眠分期结果按照时间顺序显示在窗口中；波形窗口以“帧”为单位，显示睡眠分期结果和睡眠事件；评分事件窗口根据事件标注顺序依次列出已判读的所有事件和细节。睡眠分期和事件判读视图见图2。

图2 PSG判读客户端睡眠分期和事件判读视图

PSG判读客户端会涉及多个关键技术，如跨硬件平台的设备接入、视图窗口间的信息实时同步、睡眠事件的统计和标准化输出等。

2.2.1 跨硬件平台的设备接入 业界的PSG监测

设备多是国外进口，睡眠数据采集没有形成统一规范，不同设备的数据格式采用私有协议，特定格式的数据只能通过匹配的软件提取信号进行判读。因此，对各类数据进行智能匹配，实现主流多导设备的统一接入，是通用PSG判读客户端的基本要求。通过分析不同设备的数据格式，匹配文件头结构、导联名称和单位信息，PSG判读客户端针对不同的文件格式采用合适的读取策略确定生理数据类型，并根据类型对实际数据进行适配转换，以最优敏感度显示。

2.2.2 客户端视窗的同步方案 针对PSG判读客户端频繁发生的睡眠分期和睡眠事件请求，采用传统的视窗(Windows)消息响应机制，容易引发事件响应延时甚至丢失的问题。为了解决这一问题，在内存映射层引入观察者模式监听系统消息，并使用消息队列分类别存储，从而支持窗口对消息的快速读取和响应。信息同步方案见图3。

图3 PSG判读客户端视窗的信息同步方案

2.2.3 睡眠及相关事件的统计和输出 PSG判读客户端中标志的睡眠分期和相关事件，最终以监测指标统计的形式输出给云平台用于生成监测报告。为了适配各种类型的统计数据，客户端定义了树型结构的可扩展模板，通过层次结构填充142项睡眠监测指标，完成睡眠分期、觉醒、心率、血氧、腿动、呼吸等多类事件的计算。

2.3 睡眠分期智能判读 PSG数据的智能判读是基于专家系统和机器学习算法，对多维生理信号进行各类睡眠障碍问题的智能分析和辅助诊断，包括睡眠分期、心电、低通气、呼吸暂停、腿动、血氧等事件的智能分析，用于辅助诊断失眠、昼夜节律障碍、睡眠呼吸暂停综合征、异态睡眠等。其中，呼吸暂停、腿动等事件的智能分析采用的方法是基于临床医学规则构建专家系统，并利用信号处理技术进行决策分析。本研究将进一步介绍基于机器学习算法的睡眠分期自动识别方法。

《美国睡眠医学会判读手册》对清醒和睡眠分期进行了命名(W期、N1期、N2期、N3期和R期)[7]，以连续30 s为1帧判读睡眠分期。在成人整晚的睡眠过程中，慢速眼球运动睡眠和快速眼球运动睡眠期是以90～100 min的节律交替出现。每次交替为1个周期，每晚3～5个周期[3]，通过对国内外相关技术和实践的研究梳理，本研究选择和改进了适合于本系统的技术，基于脑电信号进行睡眠分期的智能判读，通过数据均衡和小波变换实现数据预处理，采用基于经验模式分解的Hilber-Huang变换[9]提取时频域特征并通过样本熵[10]提取非线性动力学特征，进一步采用支持向量机分类方法对睡眠分期识别进行建模。

本研究从国际公认的麻省理工PSG公开的MIT-BIH PSG数据库[11]选取样本，结合空军总医院经过美国注册睡眠判读技师标注的数据样本进行融合和建模，包括健康、轻度失眠、呼吸暂停综合征和下肢不宁综合征患者，对未经特殊筛选的4 355组30 s脑电信号数据进行建模，通过交叉验证和参数寻优获得最优模型参数，构建分类模型，基于该模型清醒和睡眠分期5类识别准确率为81.1%。

3 讨论

面对国民医疗健康领域出现的睡眠诊疗问题，本研究顺应国家分级诊疗发展大势，运用最新的理念和技术设计实现了分级诊疗的系统，研发了具有自主知识产权的通用PSG分析软件，利用人工智能辅助医生判读，代表了最新一代睡眠疾病诊疗技术的发展。睡眠远程诊断系统已经在空军总医院试用，也为医疗资源缺乏的边防部队官兵的睡眠及相关疾病的诊断和干预奠定了基础，具有较大的创新性和开拓性。这也意味着在这片蓝海之中的探索将存在更多的可能性。将进一步扩大应用规模，与各地基层医院、部队卫生队无缝链接，基于积累的历史数据以及不断增加的监测数据，构建睡眠医疗大数据中心，实现生理数据和病例数据的多模态融合分析，探索临床决策支持、科研前瞻性研究、个性化、差异化睡眠医疗等应用的研究。

[1]Special:World Sleep Day[EB/OL].(2013-03-21)[2017-06-20].http://www.chinadaily.com.cn/china/2013-03/21/content＿16320337.htm.

[2]“鼾声如雷”不见得睡得香或预示生命受威胁[EB/OL].(2010-12-05)[2017-06-22].http://www.zgjkjy.org/Articles/Show.aspx?Mid＝100512023551671＆ID＝325.

[3]高和，王莞尔，段莹，等.睡眠医学基础[M].北京:人民军医出版社，2015.

[4]睡眠呼吸暂停与心血管疾病专家共识组.睡眠呼吸暂停与心血管疾病专家共识[J].中华内科杂志，2009，48(12):1059-1067.

[5]张俊林.大数据日知录:架构与算法[M].北京:电子工业出版社，2014.

[6]Nejedla M，Minarik R.Examination of sleep disturbances using the ALICE6 system[J].Vlakna A Textil，2016，23(1):9-17.

[7]段莹，高和.标准多导睡眠监测的技术规范和应用范围[J].世界睡眠医学杂志，2014，1(1):30-33.

[8]高和，江晓丽.美国睡眠医学会睡眠及其相关事件判读手册——规则术语和技术规范三[M].北京:人民军医出版社，2010:58.

[9]Huang NE，Shen Z，Long SR，et al.The Empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J].Proc Roy Soc A，1998，454(1971):903-995.

[10]Richman JS，Moorman JR.Physiological time-series analysis using approximate entropy and sample entropy[J].Am J Physiol Heart Circ Physiol，2000，278(6):H2039-H2049.[11]Goldberger AL，Amaral LA，Glass L，el al.PhysioBank，PhysioToolkit，and PhysioNet:components of a new research resource for complex physiologic signals[J].Circulation，2000，101(23):E215-E220.

Cloud-based hardware platform-compatible tele-diagnosis system for sleep disorders

WU Na1，XU Liqun1，GAO He2，DUAN Ying2，CHANG Yaobin1，FANG Ruojie1，LI Yan2
(1.mHealth and Smart Healthcare Research Center，China Mobile Research Institute，Beijing 100032，China；2.Aeronautic and Aerospace Sleep Medicine Center，Air Force General Hospital，Beijing 100142，China)

The percentage of Chinese population suffering from sleep disorders and related diseases is on the increase in recent years，while the corresponding medical care resources for assessment，clinical diagnosis and intervention are in serious shortage and not evenly distributed in urban and rural regions.This paper aims to introduce an innovative“sleep＋internet”solution，which uses internet，artificial intelligence and other information technologies while integrating the knowledge of clinical diagnosis and expert skills.A hardware platform-agnostic telemedicine system for sleep disorders diagnosis is designed and implemented，which provides a viable path for enriching，improving and expanding the capacity and means of primary care services delivery in the field of sleep diagnosis，and promoting the sharing of quality medical resources across different geographic regions.

Sleep disorders；Polysomnography；Telemedicine；Artificial intelligence

R740

A

2095-3097(2017)06-0332-04

10.3969/j.issn.2095-3097.2017.06.004

100032北京，中国移动研究院移动健康和智慧医疗研究中心(吴 娜，许利群，常耀斌，方若洁)；100142北京，空军总医院航空航天睡眠医学中心(高 和，段 莹，李 燕)

许利群，E-mail:xuliqun＠chinamobile.com

2017-07-10 本文编辑:张在文)