人工智能在慢性伤口评估和治疗中的应用

王延峰 杨巧红 刘安康

(暨南大学护理学院，广东 广州 510632)

慢性伤口指各种原因形成的创面超过一个月的正规治疗未治愈，也无愈合倾向的伤口[1]。随着人口老龄化和疾病谱的改变，慢性伤口的发病率逐年上升[2]，研究[3]表明，平均每1 000人中就有2.21人患有慢性伤口。据估计，美国有650万慢性伤口患者，每年医疗支出超过250亿美元[4]。我国慢性伤口发生率为0.17%[5]，糖尿病成为慢性伤口的主要病因，仅糖尿病所致慢性伤口每年达4 000万例[6]，与我国人口老龄化程度高度相关。此外，中国北部地区慢性伤口住院患者的治疗总费用从2014年的368万元(52.6万美元)增加到2017年的890万元(127.1万美元)[7]。慢性伤口已经成为患者及家庭、医疗保健部门乃至整个社会的沉重负担，因此急需应用高效、精准的方法改进慢性伤口的评估和治疗，促进患者的愈合。人工智能因其高效、准确、便捷的优势逐渐被应用于医疗领域。本文对人工智能在慢性伤口评估及治疗中的应用和研究进展等进行综述，为进一步做好慢性伤口患者的护理提供参考。

1 人工智能的概述

人工智能的范畴包括任何有助于让机器模拟、延伸和扩展人类智能的理论、方法和技术[8]，其智能领域技术主要包括机器人、语言识别、图像识别、自然语言处理和专家系统等[9]。运用人工智能技术可以提高效率、安全性以及获得有价值的卫生护理服务，因此能够在医疗领域得到迅速发展[10]，如IBM公司研发的沃森“医生”可以对癌症提供治疗方案建议，这些建议与世界顶级肿瘤专家的建议高度吻合[11]；影像医生应用三维卷积神经网络算法模型可以提高阅片速度和降低漏诊率[12]；运用耳纹全息智能诊疗系统治疗心脑血管疾病患者能够提高治疗的安全性和有效性[13]。这些应用在提高效率和精准度的同时节约了医疗资源，减轻患者的痛苦，受到社会的极大关注。

2 人工智能在慢性伤口评估中的应用

伤口评估是伤口管理的前提，是制定科学、合理、安全、全面的治疗方案和护理计划的关键环节[14]。常见的慢性伤口有下肢静脉溃疡、压疮、糖尿病足及难愈性烫伤创面等[15]。利用人眼进行伤口的颜色判断和识别容易受到外界环境、个人主观因素的影响，往往与实际情况存在偏差，可能出现评估不准确，导致伤口愈合延缓的情况[16-17]。

2.1智能工具的应用 伤口的评估离不开工具的使用，如何快速识别其面积、长度、深度对于伤口类型的判断起到十分重要的作用，目前应用较多的慢性伤口智能评估工具为3D技术相关工具。3D伤口扫描系统是由3D镜头及可移动便携式操作平台组成，利用激光和结构光3D成像技术扫描伤口。邓波等[18]利用3D伤口测量仪进行伤口的测量，该方法与伤口尺、伤口数字平面测量软件相比提高了测量的效率。在此基础上，鲁晋等[19]利用三维扫描系统即woundclevercalc扫描做了进一步优化，不仅可以准确高效率的测量伤口面积，而且具有扫描伤口深度和体积的功能，但是文献[19]显示仅依赖3D的技术对伤口测量，测得的深度和体积略比真实值大，其精准度需进一步提高。

2.2智能工具结合算法的应用 Zahia等[20]在整合3D模型的同时结合计算机深度学习方法准确无创评估压力损伤；结果表明，该框架不仅能以87%的精度输出精确的分割结果，而且可检索到可靠的测量值用于伤口的评估。而Wannous等[21]使用简单的自由手柄相机设计完整的3D和彩色伤口评估工具，在使用3D模型测量伤口面积的基础上，运用机器学习方法支持向量机分类器分类，最终为伤口监测和愈合过程的临床研究提供完整的伤口评估工具。随着时代的发展，算法也在不断更新升级，基于深度学习的卷积神经网络架构持续发展和完善，为医学图像处理领域带来巨大的应用前景[22]。Ohura等[23]制备了不同算法和结构的卷积神经网络(convolutional neural network,CNN)其中最佳组合为U-Net，其有较高的准确性和实践意义，高特异性与敏感性分别达到0.943和0.993。有了高级的算法作为基础，Chino等[24]利用深度卷积网络提出自动皮肤溃疡区域评估(automatic skin ulcer region assessment,ASURA)系统分割皮肤溃疡的伤口和估计图像密度，从而了解真实伤口的面积，能够正确分割Dice评分>90%的伤口区域，比最先进的方法(QTDU和DeepLabv3+)高出16%，能够自动估计图像的像素密度，相对误差为5%，当使用半自动方法估计伤口面积时相对误差为14%。

总之，与传统伤口测量工具相比，引入现代3D技术和人工智能算法可以更准确地提供伤口的数据，从而提高伤口评估的速度和临床判断的效率，但是在提升测量精确度方面还需要进一步完善，以及大量的临床数据支撑和验证。

3 人工智能在慢性伤口治疗中的应用

目前，对慢性伤口的治疗主要使用水凝胶、水胶体、藻酸盐敷料等，为伤口提供良好的湿性愈合条件[25-27]，患者依靠其自身的能力达到伤口愈合。大多数现有的伤口敷料是被动的，不能对伤口环境的变化做出积极反应，无法提供有关伤口状态及其愈合率的信息，同时由于需要持续监测愈合过程，增加了就诊次数和治疗成本，造成医疗中心的压力[28]。

3.1智能敷料的应用 智能敷料的设想为实现慢性伤口愈合情况的动态监测开辟了途径[29-30]。智能敷料[31]是指在伤口敷料中加入智能诊断工具，自动测量慢性伤口持续炎症状态的生物标志物的动态信息，通过动态监测可制定更有效的治疗方案，降低打开敷料观察等医疗干预的频率，促进伤口更快地愈合。Lee等[32]尝试应用带有温度传感器的智能敷料实时提供伤口区域的温度和导热系数实时监测伤口的愈合情况，实验结果表明，该装置具有防水、可重复使用和灵活的特点可用于临床。而Pang等[33]开发了一种双层结构的智能柔性电子敷料，其上层是聚二甲基硅氧烷封装的柔性电子，集成了温度传感器和紫外线发光二极管，其下层为紫外响应型抗菌水凝胶，可以实时监测伤口温度，当发生感染时温度升高触发超热警报，打开紫外线LED发射紫外线光，触发对紫外线敏感的抗菌水凝胶释放抗生素以抑制感染。该敷料具有良好的灵活性和兼容性、高的监测灵敏度和耐久性，还集成了蓝牙芯片，用于实时无线数据传输，动态监测伤口愈合情况。不过目前该敷料只是在动物实验中得到了很好的证明，还需要进行大量临床研究以证实其实用性和有效性。

3.2预后预测模型的应用 如果能够早期预测慢性伤口的预后情况及影响愈合的相关因素，从而采取相应的措施进行干预，不仅可以减轻患者的病痛，使患者早日康复，恢复正常的生活，同时可以降低慢性伤口卫生资源的投入。Kenneth等[34]使用在门诊伤口护理中心收集到的患者信息，利用机器学习和特征工程(machine learning and feature engineering)开发了伤口延迟愈合的预测模型。该模型预测伤口延迟愈合的能力是由pROC R计算的曲线下面积(AUC)来衡量。检验结果表明该模型在所有伤口类型上的AUC为0.842，相比Margolis等[35-36]之前针对下肢静脉溃疡和糖尿病神经性溃疡开发的2种人工预测模型，其预测结果有了显著提高。而Taylor等[37]利用人工神经网络(artificial neural network，ANN)算法开发预测模型预测伤口的愈合时间及其影响因素，该方法的优势在于对失真数据的适应能力、强的学习能力和运算速度，擅长解决复杂的伤口问题，但其预测准确率仅为68%，仍有较大的提升空间。

4 人工智能应用于慢性伤口护理的优势

4.1降低社会负担，节约成本 中国人口基数大，在慢性病中仅糖尿病患者就达到10.9%，50岁以上2型糖尿病1年内糖尿病足新发病率达8.1%[38]；同时，慢性伤口需要患者长期坚持换药治疗，若伤口长期不愈，加重患者的疼痛和经济负担[39]。特别是在社区或者偏远地区人力资源、医护知识储备有限的情况下，更加剧了慢性伤口患者对医疗资源的不可及。而人工智能的使用恰好可以弥补当前的不足，例如ASURA系统的使用可以缓解人力资源的不足，提高效率，及时对伤口进行评估，进而有利于进一步的治疗。未来人工智能以及相关平台的研发会更好的服务于慢性伤口领域。

4.2实施实时监测，增加患者参与度 有研究[40]表明，患者对自身伤口的自我感受负担较高，影响正常的生活质量。医护人员若按照传统治疗方式需要不断地对伤口进行换药等处理，但是由于患者个体差异的影响，伤口的愈合情况又各不相同，医护人员对伤口的多次暴露不仅为患者带来疼痛，又增加了感染的风险。在人工智能敷料的帮助下，患者和医护人员可以对伤口实时监测，了解伤口的愈合状态，从而及时沟通，不仅增加患者参与度，也减轻其心理负担。

4.3早预测早干预，减少不良预后 慢性伤口预测模型的建立一定程度上可以为精准化地实施患者护理干预带来新的可能。通过预测模型，不仅可以推测伤口愈合时间、愈合过程等情境，同时可以筛选出影响患者愈合的个人因素，从而早期实施个性化的干预方案，促进愈合和减少不良预后。

5 不足与展望

人工智能的发展带来了医疗的进步，迎来了医疗行业的新机遇。人工智能也已经在慢性伤口的评估、治疗和预后预测中得到一定应用。人工智能用于伤口评估，可以减少人眼造成的误差，实现真实数据的处理，提高检测的性能和效率，降低误诊率；用于伤口治疗中，可以动态获取敷料下伤口愈合的情况信息，及时调整治疗方案；用于伤口愈合预测中，可以帮助医务人员及时给予针对性地干预，降低患者的痛苦和治疗花费。但是，人工智能目前在慢性伤口方面的临床应用尚不成熟，还存在不足之处。3D扫描系统和算法以及预后预测模型的精确与否与慢性伤口图像的质量密切相关，低质量的图像数据会导致错误的图像整合结果，得到错误的预测。目前人工智能应用于伤口领域的探索主要集中在国外，国内研究较少。虽然我国已经拥有一定数量的慢性伤口专科护士，也积累了大量的临床经验，但是较少留下高质量的伤口数据图片，对计算机算法和构建模型造成困难；其次，算法作为人工智能中不可或缺的部分，可以将图像转化为可供分析的数据，而算法的正确与否依赖于足够的、高质量临床数据，其准确率可能因为样本量的不足而导致算法的不可靠。因此，未来需要在保护患者隐私的前提下，进一步规范图像数据的采集，积累数据。另外，需要加强多学科的合作和交流，保证所提供的智能设备等与临床应用更加匹配。

综上所述，未来可以通过进一步优化计算机算法，提升核心处理器的计算能力，规范慢性伤口的图像采集，加快智能敷料的开发和临床应用进程，实现更高级的慢性伤口评估和治疗智能化，帮助伤口专科护士准确评估伤口，实现伤口实时监测，从而制定个性化的精准治疗和护理计划，帮助患者更好地愈合，降低慢性伤口造成的伤害，并且其在慢性伤口评估和护理方面的应用还存在较大的发展空间。