1　解决方案的目标和概述

高尿酸血症与痛风已成为我国常见代谢性疾病，高尿酸血症患病率高达13.3%，患病人数超过1.8亿，痛风患病率为1%~3%，患病人数超过2000万，且呈明显的年轻化趋势，正以每年9.7%的年增长率迅速增加，常导致关节畸形、慢性肾衰及脂肪肝等靶器官损伤，甚至致残、致死，缩短患者预期寿命。因此，高尿酸血症与痛风越来越受到社会大众的关注，但痛风病自身的复杂性、临床诊疗难度高、医护人员短缺等诸多因素造成痛风病在临床诊断和治疗中仍存在很多问题。

为有效缓解传统痛风诊疗中存在的“对痛风的认知严重不足，诊治不规范”、“痛风诊疗多学科交叉，治疗复杂”、“患者缺乏就诊意识，治愈困难”等问题，推进相关高科技与智能技术在痛风临床诊疗中的具体应用，填补国内智慧医疗领域的空白，促进我国智慧医疗事业的发展，项目组基于痛风病患病率高，误诊、误治率高，治疗依从性差、危害大等现状，国际首创了基于混合增强智能的平行痛风智能诊疗体系框架，建立了国际最大单中心高尿酸血症与痛风遗传数据库，研发基于大数据和人工智能的平行痛风智能诊疗系统。该项目实现了从大数据到智能诊疗再到临床规范诊疗的转化，取得系列原创性成果。

系统以中国科学院自动化研究所王飞跃教授的“平行智能理论”为指导，依据国际标准化的诊疗规范、国际前沿的学术成果，基于权威痛风专家李长贵教授团队多年的临床诊疗经验，通过平行痛风智能自主诊断与治疗关键技术及应用的相关研究，建立了医疗知识库、智能病历库、专家看诊规则库；系统还可运用人工智能技术模拟医疗专家的诊疗决策过程，运用机器学习对辅助诊疗算法持续自我改善，从而趋近“最佳医生”，实现痛风诊疗的规范化、智能化、精准化。

2　系统解决方案详细介绍

2.1　基于混合增强智能的平行痛风智能诊疗体系框架

针对复杂的痛风诊疗实际应用场景，为解决多源异构数据融合、诊疗及推断过程可解释、人类智能与人工智能的角色分配和权限划分等关键技术难题，项目组以平行智能方法论为基础，构建面向痛风诊疗场景的、算法驱动的平行痛风智能诊疗体系框架，进而为决策者提供分析问题、建立模型、模拟决策过程和方案的环境，辅助决策者通过数据、模型和知识，以人机交互方式进行半结构化决策。如图1所示。

图1 基于混合增强智能的平行痛风智能诊疗体系框架

（1）软件定义的人工痛风诊疗过程

基于患者病历、诊疗数据、医学影像等基本医疗数据，结合Web挖掘等技术对最新医学知识、前沿临床研究和科研成果进行自动收集与标注、挖掘与分析、结构化存储与应用，突破多源异构数据融合等难点，打造医疗健康大数据中心。同时，以痛风医疗健康大数据为基础，借助生成式对抗网络、深度神经网络和机器学习等技术，分析患者历史病理特征之间的时序和空间关联性，学习医生诊断与治疗过程，构建并重塑与实际诊疗过程“平行”的软件定义的人工痛风诊疗过程。

（2）“数据+模型”的痛风诊断与治疗计算实验

以实际痛风医疗大数据和人工痛风诊疗过程模型为基础，通过调节患者病症参数、护士护理参数以及医生处方参数等计算实验手段，自动生成大量新数据；然后，一方面把新生成数据提供给医生，请医生协助判断哪些情况是实际可能遇到的痛风情况，为医生提供学习和培训机会；另一方面，利用医生反馈的数据，扩大系统自身的数据集，引入知识图谱、模糊逻辑和知识推理技术，对医生“虚拟诊断”过程进行疗效评估的同时，累积系统经验与知识，提高系统智能水平。

（3）“双向匹配”的平行智能自主诊疗推荐

通过计算实验过程，系统中收录并累积了大量自动生成的“虚拟患者”、“虚拟诊断过程”、“虚拟治疗方案”。当医生在实际看诊中遇到与系统已有“虚拟患者”相似的情况，只需输入患者信息，即可通过知识引擎搜索方式实现真实患者的“虚拟诊断”；再结合医生经验选择系统智能自主推荐的治疗方案。以这样“人-系统融合”、数据闭环反馈、平行执行的方式，实现痛风的智能自主平行诊疗过程的持续优化。

2.2　建立国际最大单中心高尿酸血症与痛风遗传数据库

项目组依托山东省痛风病临床医学中心，建立了国际最大单中心高尿酸血症与痛风遗传资源库和数据库，并于2017年获批国家人类遗传资源共享服务平台-中华痛风遗传资源库。该遗传资源库包含研究对象83546例，包括青少年、早发、中青年和老年研究人群。每个人群均包含散发痛风、家系痛风、高尿酸血症和性别年龄相匹配的对照；数据库由每个研究对象知情同意后的诊疗信息组成，包含实时更新的基本信息、动态变化的生化信息、不断变化的诊疗信息及全基因组关联分析数据，为构建平行痛风智能诊疗系统及规范化诊疗体系奠定了基础。

2.3　研发全球首个基于大数据和人工智能的平行痛风智能诊疗系统

基于自主创建的平行痛风智能诊疗体系框架，项目组融合了最新诊疗知识及27513例痛风患者结构化电子病历等多源异构医疗数据与多模态信息，构建了高尿酸血症与痛风医疗大数据中心，通过与深度模糊神经网络、知识推理模型深度融合，构建了软件定义的痛风人工智能诊疗模型。该模型将实际诊疗过程中的“小数据”作为种子数据，利用深度模糊神经网络生成痛风诊疗系统“数据模型”，将“数据模型”演绎为实际诊疗过程中特定目标的“小知识”推荐给医生，通过“人与系统知识融合”、数据闭环反馈，虚实互动，平行执行，实现了痛风诊疗知识的持续更新和诊疗过程的不断优化，成功创建国际首个虚实互动、平行执行的痛风智能诊疗系统。如图2所示。

图2 平行痛风智能诊疗系统

2.4　基于平行痛风智能诊疗系统云平台，打造线上线下结合的诊疗模式，实现对患者的远程指导和管理

针对高尿酸血症与痛风长期多病共存、多药并用，患者认知薄弱，治疗不规范且依从性差，缺乏有效管理手段等现状，基于平行痛风智能诊疗系统中痛风问诊模块、痛风大数据决策分析模块和痛风智能诊疗模块，项目组成功构建平行痛风智能诊疗云平台，结合居家慢病管理设备，通过提供“居家慢病管理+设备盒+虚拟医生+在线复诊”相关服务，将医生与患者同时纳入到平行痛风智能诊疗体系中，提供一整套在线复诊与线下门诊相结合的智能慢病解决方案，实现了对高尿酸血症与痛风患者饮食、运动、药物等远程指导和管理，克服了痛风医疗数据难以在不同医院间共享的困难。从而极大地提高医生的看诊效率和诊疗准确率，为患者提供精准、可靠、便利的就医体验，提高患者的治疗达标率。

3　代表性及推广价值

3.1　应用情况及效果

平行痛风智能诊疗系统于2016年9月在青岛大学附属医院正式上线运行，成为全球首个“平行痛风智能诊疗机器人医生”，累计在全国153家医院进行推广，与云南省滇南中心医院、江苏省中西医结合医院、天津中医药大学第一附属医院等多家三甲医院签署合作协议，共辅助医生诊疗3.2万余人次，痛风诊断准确率达95%、治疗方案与权威专家团队符合率达90%。系统帮助医生快速确定最佳诊疗方案，极大地提高了诊断准确率与治疗有效性。患者依从性从20.7%提升至66%，尿酸达标率从20%提升至45%，发作频率及药物副作用均明显降低。有效促进了区域医疗水平的提升及智能医疗产业的发展。

3.2　示范效应

该系统获国家发明专利2项、实用新型专利1项、软件著作权13项，多次参加国家智能产业峰会、中国医学装备大会等国内智能与医疗技术展。相关研究发表在IEEE Network、IEEE T Syst Man Cy-S等人工智能专业杂志，并被Lancet、Am J Public Health等医学知名期刊引用。项目组发表代表性论文20余篇，其中SCI论文9篇、ESCI论文1篇、EI论文3篇；总结形成了一整套完备的医学与人工智能技术跨学科交叉应用的方法体系，提出痛风智能诊疗通用、实用的标准框架“平行高特”，为其他疾病智能诊疗系统的研发提供了重要的参考价值。2020年9月，系统获得“2020年度山东省科学技术进步奖一等奖”。

3.3 　社会价值

（1）首创基于混合增强智能的平行痛风智能诊疗体系框架，开辟慢病智能诊疗新路径

项目组围绕“平行智能+痛风诊疗”开展系列研究，突破多个技术瓶颈和制约因素，成功构建面向痛风诊疗场景的、算法驱动的平行痛风智能诊疗体系框架，辅助决策者通过数据、模型和知识，以人机交互方式进行半结构化决策。该框架实现了平行智能理论与痛风临床诊疗的结合，是人工智能技术与医疗方法深度融合的一次创新式实践，推动了人工智能技术在更深层次应用于医学领域并产业化，为以高尿酸血症与痛风为代表的慢性疾病智能诊疗开辟了一条新的道路，推进了我国智慧医疗产业的发展，具有良好的社会效益。

（2）研发具有完全自主知识产权的智能诊疗系统，助力区域医疗诊疗及服务水平提升

项目组研发全球首个平行痛风智能诊疗系统，融入基于国人数据的高尿酸血症与痛风规范化诊疗体系，不但能够为医生提供规范化诊疗方案、帮助医生减少误诊误治、提高工作效率、提升业务水平，而且能够为患者提供饮食、运动、药物等远程指导和管理，帮助患者做好慢病管理，远离疾病痛苦。同时，能够实现痛风诊疗数据在不同医院间的共享和诊疗系统的持续优化，有效降低不必要的就医和再住院比例，切实缓解就医压力；降低社会健康医疗总成本，让患者获得更优的医疗健康服务。保守估计，患者就诊时间减少40%以上，平均每年可降低社会健康医疗总成本近亿元，带动智慧医疗行业经济效益达两亿元。

（3）打造线上线下结合的云诊疗模式，提高患者管理水平

项目组研发准确、便捷且支持多种居家慢病管理设备数据远程上传的平行痛风智能诊疗云平台，实现了医生动态监测患者病情、远程管理患者，使医生能够及时对患者饮食、运动、药物等进行指导和管理，提高了患者治疗依从性，降低了致残致死率。

摘自《自动化博览》2020年11月刊