VTE智能评估系统的设计与应用探讨

戴黎阳，严 敏，刘 锋，张 杨，蒋丽梅，杨 涛

1.重庆医科大学附属第三医院(捷尔医院)， 重庆 401120；2.资阳开放大学， 四川 资阳 641300

静脉血栓栓塞症(venous thrombo embolism，VTE)是指静脉血管管腔内血液异常凝结，形成血栓而使血管完全或部分阻塞，引起血液循环障碍的疾病[1]。该疾病是困扰住院患者的严重并发症，是住院患者非预期死亡的重要原因之一[2]，关系到整个医疗质量和患者安全。为贯彻落实VTE防治工作，规范VTE临床管理，健全VTE综合防治体系，以便于对有发生静脉血栓栓塞症倾向的患者进行早期风险预警，实施有效预防[3]，重庆医科大学附属第三医院上线了VTE智能评估系统，标志着医院VTE管理体系踏上了一个新的台阶，提高了静脉血栓栓塞症患者的诊出率，有效降低了住院患者VTE的发生率和死亡率，提高了医疗质量，使患者在医疗过程中的安全得到了有效保障。

1 现状分析

医院没有静脉血栓栓塞症(VTE)智能评估系统时，静脉血栓栓塞症(VTE)患者的预防和评估，主要是医师和护士通过静脉血栓栓塞症风险评估表以人工方式进行评估。评估内容包括年龄、BMI指数、激素治疗水平、下肢水肿、静脉曲张、肺功能异常、急性心肌梗死等项目。

人工评估方式主要存在以下问题：首先，在繁忙的临床工作中无法保证VTE患者的动态评估，且评分体系复杂，人工操作需要耗费大量的时间和精力，加重了临床医师的工作负担；其次，通过人工方式评分，极易出现错评、漏评的情况；另外，评分后预防措施实施率有待提高，手工查阅指南文献，工作效率低下，同时统计分析完全依靠人工方式进行，不仅工作量大，而且统计报表的准确度也难以保证。

综上，人工评估方式不仅加大了工作负担，而且评估效果和预防措施的开展并不尽如人意。故而医院在静脉血栓栓塞症(VTE)患者的预防和评估上迫切需要用信息化的手段来解决该问题，上线VTE智能评估系统显得尤为重要。

2 系统设计

2.1 需求整理

首先，研究团队对静脉血栓栓塞症(VTE)智能评估系统的需求进行了收集，整理出了相关的业务需求、用户需求和功能需求。其需求包括：通过计算机系统来实现静脉血栓栓塞症(VTE)患者的初步判定，筛选出风险患者以供临床医师进行详细评估；同时通过系统的辅助决策功能，以相关指南为依据，推荐相应治疗手段和预防措施；通过系统的质控功能，自动生成VTE风险评估率、出血风险评估率、预防措施实施率等，自动形成统计报表为后续患者分析和改进评估预防措施提供数据支撑，形成知识库；在临床医师对系统的需求方面，特别强调了系统的易用性和操作的简便性。

2.2 流程设计

有了对系统需求的收集和整理，研究团队以此为基础对系统流程进行了梳理，同时拟定出了系统的详细设计方案。系统流程主要为：以医院现有的医疗信息系统和护理信息系统为基础，增加VTE智能筛选功能。VTE智能评估系统通过数据接口获取患者的生命体征、医嘱、病历、检查检验以及手术等相关信息，利用新技术提取相关信息中VTE风险因素并自动计算分值[4]，由系统通过智能算法初步筛选出VTE高危患者。然后，再将计算得出的数据同步到医疗信息系统和护理信息系统，在床位一览卡的显著位置用图形的方式展现VTE高危标识，提醒医师和护士重点关注。另外，增加VTE智能评估菜单，临床医师和护士可根据患者的具体情况进行再评估和修正，具体评估量表包括Cap- rini，Pudua，wellDVT，wellPTE评估量表。流程设计如图1所示。

图1 流程设计图

同时，研究团队对评估内容进行了细化，评估内容包括年龄、体质指数BMI、VTE病史、V因子Leiden突变、凝血酶原G20210A突变、抗心磷脂抗体阳性、肝素诱导的血小板减少症、脑卒中(1个月内)、髋关节、骨盆或下肢骨折等各类评估指标，根据系统的智能算法，评估出患者VTE风险级别，分别为：0～2分为低度危险，3～4分为中度危险，≥5分为高度危险。系统会根据评估后的分值给出相对应的预防措施和处理建议，供临床医师和护士进行参考。系统设计的智能评估图如图2所示。

该修正评估会再次通过数据同步到医师和护理信息系统，提醒医师和护士对VTE高危患者的重点关注。

2.3 评估模型及核心技术

根据患者病情和疾病分类构建不同的评估模型是静脉血栓栓塞症(VTE)智能评估系统项目成功的关键。该系统所采用的评估模型覆盖肺栓塞(PE)、深静脉血栓形成(DVT)、心房颤动(AF)、妇科、肿瘤等多种疾病维度。其中，PE包括Geneva、SPESI评估量表，DVT包括Caprini(外科)、Padua(内科)、Wells-DVT评估量表，房颤包括CHA2DS2-VASc、HAS-BLED评估量表，妇科包括RCON评估量表，肿瘤包括Khorana评估量表。通过这些多样的评估模型能更精准地得到评估结果，从而为下一步的预防措施和诊疗方案起到积极的指导作用。

虽然通过数据接口实现了部分数据的结构化，但是病历内容多以非结构化的文本进行存储，因此在挖掘病历内容中的有效评估信息上存在很大的技术难点。该系统主要利用自然语言处理(nature lan- guage processing，NLP)技术、数据挖掘和机器学习等人工智能技术，对其内容按照分句、分词、语义分析等自然语言处理步骤，得到结构化的数据分类，完

图2 系统智能评估图

成系统对病历内容的深度分析和关键指标的提取。需要处理的信息包括结构化信息、半结构化信息、非结构化信息和联合信息判断。

从大量的资料中可以看出，冬季冻害和早春霜冻预防是非常重要的，几乎所有关于葡萄的技术资料中都有很详细的介绍，果农可以根据自己的情况选择应用。

2.3.1处理结构化信息

对于血压、心率、身高、体重等数值类评估项，可以从数据表中得到，然后通过语法表达式进行相关运算处理。

2.3.2半结构化信息

对于手术、疾病、药品等半结构化信息，通过正则表达式从医嘱、诊断中进行提取，利用知识库进行比较判断，然后对其进行结构化归类。

2.3.3非结构化信息

对于卧床、饮酒、肺部感染等模糊定义，通过命名实体识别(BERT-BiLSTM-CRF模型)提取关键实体，结合病历上下文的过程描述，通过互斥关系进行逻辑判断整理。

BERT是构建于Transformer之上的预训练语言模型，它的特点之一就是所有层都联合上下文语境进行预训练。因此，BERT模型网络不仅可以学习到短语级别的信息表征以及丰富的语言学特征，而且也能够学习到丰富的语义信息特征。例如：对于病程记录中不同位置出现的“右下肢静脉迂曲扩张30余年”和“出现右侧小腿走行区域皮肤发红，局部皮温升高，外踝局部破溃”的描述，通过BERT根据上下文不同的语境信息能够准确得到“右下肢大隐静脉曲张伴有溃疡”的关键值提取，然后将该信息进行结构化归类。BERT-BiLSTM-CRF模型整体结构图如图3所示。

图3 BERT-BiLSTM-CRF模型整体结构图

2.3.4联合信息判断

结合上文中的各类评估模型，得到精准的评估分数。以Caprini评估量表为例，其中年龄41～60岁、静脉曲张、下肢水肿等评分等级为1分；年龄61～74岁、限制活动>72小时、恶性肿瘤、石膏固定等评分等级为2分；年龄≥75岁、VTE病史、V因子Leiden突变等评分等级为3分；择期关节置换术、脑卒中(1月内)、髋关节或下肢骨折等评分等级为5分。然后将评分合计，3～4分为VTE中危风险，大于等于5分为VTE高危风险。以此为依据，根据VTE风险级别来指导临床医师和护士，同时给出建议性的预防措施。

2.4 动态评估

患者的病情是一个动态变化的过程，智能评估系统会根据患者的实时病情，在患者入院24 h、术前8 h、术后6 h、转科、出院时等各时间节点进行动态智能评估，并记录相关信息。医护人员可通过评估系统查看患者VTE评估风险级别的动态趋势，给出精准的预防措施和治疗方案。患者动态效果评估图如图4所示。

图4 动态评估效果图

2.5 知识库的建立

在智能评估系统中收录了《静脉血栓栓塞症机械预防中国专家共识》《全国肺栓塞和深静脉血栓形成防治能力建设项目三级医院中心建设标准(2020)》《中国血栓性疾病防治指南》等指南和标准，形成了决策支持知识库核心条目[5]，使所有预防措施和治疗方案都能做到有据可依，有据可查。

2.6 统计分析

智能评估系统的统计分析功能提供了对VTE风险初始评估率、VTE风险动态评估率、出血风险评估率、VTE预防措施实施率等方面的统计分析，并且可以通过时间、病情、科室、单个患者等维度进行查询统计，方便临床医护人员的总结分析，进而达到知识积累和经验总结的目的。

3 系统部署

智能评估系统服务器采用联想ThinkSystem SR 860服务器，CPU Xeon Gold 5120，内存64G，硬盘16T，Linux 操作系统，数据库采用10.4.5-MariaDB，应用系统采用B/S架构实现。具体部署主要分为数据接口实现、智能评估系统搭建、数据同步实现、医疗护理信息系统的标识展示四个方面：

3.1 数据接口实现

数据接口主要通过采用Web Service技术来实现数据的传输，主要完成的接口包括：患者主信息接口、病历信息接口、检查报告接口、检验报告接口、检验结论接口、手术信息接口、病程接口、医嘱接口、费用接口等。接口标准按照标准通用标记语言XML来实现。

3.2 智能评估系统搭建

智能评估系统搭建分为数据库搭建、数据同步和前端应用程序搭建。系统数据库采用MYSQL数据库，然后系统根据接口实现患者基本信息、检查检验、医嘱和病程的数据同步，并实时更新。前端应用程序采用JAVA语言进行编写，通过Web应用的方式进行架设。

3.3 数据同步实现

智能评估系统的评估数据通过Windows服务应用，采用C#语言进行编写，实时同步到医疗和护理信息系统的数据库中，为保证实时性和有效性，系统同步的频率采用每小时一次。

3.4 系统警示标识

医疗护理信息系统根据同步后的VTE中高危信息，在应用前端的床位卡界面，显示患者的VTE中高危标识，医护人员在日常工作中即可随时查看患者的VTE相关风险。

综上，通过智能系统评估出来的VTE中高危患者，系统可通过短信接口，将风险信息自动推送给管床医护人员，真正意义上实现了让患者VTE风险信息由人工通知转变为智能推送[6]。这样为医护人员更好地预防VTE风险奠定了坚实的基础。

4 系统应用

4.1 数据分析

静脉血栓栓塞症(VTE)智能评估系统搭建完成后，重庆医科大学附属第三医院(捷尔医院)实现了对所有住院患者的VTE的智能评估。系统上线3个月以来，评估人数达到12 871人。VTE风险动态评估率达到100%，其中低危风险8628人，中高危风险4243人；出血风险评估率也达到100%，其中低风险11 914人，中高风险957人。

4.2 效率改进

系统上线运行后，提高了临床VTE防治工作的效率，避免了手工评估及上报带来的错报、漏报[7]，极大提升了VTE风险动态评估效率。相关数据同步机制，让数据实现了真正意义上的互联互通。前端床位卡的高危标识为医护人员能够及时获得患者VTE预警结果并及早干预[8]提供有力的数据支撑，得到了医护人员的一致好评。

5 不足与改进

5.1 医护人员意识需要加强

系统上线后，还是有部分问题暴露了出来，其中最主要的是医护人员对VTE防治的意识不到位。因为该疾病的临床表现不典型，若医护人员警惕性不高、认识不够，会导致医护人员对VTE防治缺乏重点关注。同时，部分人员因为之前使用人工评分，不愿意放弃使用习惯，往往导致使用智能系统时只进行了简单的评估，而对于评估后的预防措施没有持续跟进，从而增加了VTE发生的风险。后期需要加强对其VTE防治意识重要性方面的宣教。

5.2 预防实施需要改进

尽管该系统可使评估率达到100%，但是对于VTE高危患者采取相应的预防措施却没有达到100%的预期设想。根据智能评估系统的分析统计，预防措施实施率、实施静脉超声检查率以及D-二聚体检测率等统计数据并不理想，需要进一步改进。

5.3 培训方式有待提高

通过深入地与临床医护人员沟通可知，使用者对系统不熟悉，且对具体指标数据抓取有误。因此，后期需要加强对医护人员进行系统培训和使用培训；另外，还应根据实际的医疗行为进行数据的收集整理，以不断实现统计分析数据的准确和功能的完善。

6 结束语

静脉血栓栓塞症(VTE)智能评估系统的建成，有效地简化了VTE患者的评估流程，提高了VTE患者的评估效率，减少了人工VTE评估带来的漏评和错评，并且大大加强了静脉血栓栓塞症患者的初期预防，降低了静脉血栓栓塞症患者的VTE风险。通过该信息化的手段使医院的医疗安全、诊疗质量和医院管理信息化[9]得到进一步的提高。随着科学技术的发展，人们对医疗安全和诊疗质量的要求会越来越多，本着以患者为中心的医疗服务宗旨，医院应不断借助信息化的先进技术来进一步完善VTE的防治体系，开展科学、规范、经济的防治工作[10]。