臨床數據是新質生產力的核心要素

　　醫療領域的數字化轉型已迅速席卷全球，加速醫療數據要素價值釋放已成為推動醫療行業新質生產力發展的當務之急。這一趨勢引起了世界各地醫療領域的廣泛關注和討論，其核心目標是為患者提供更安全、高效和個性化的醫療服務。醫院管理者們越來越關注醫院內部的數字化醫療需求。

　　在國家和各地區政策指引下，中國各級醫療機構正在加速手術室智慧化的賦能和建設。2021年5月國務院辦公廳印發《關于推動公立醫院高質量發展的意見》，2022年11月國家衛生健康委、國家中醫藥局、國家疾控局聯合發布《“十四五”全民健康信息化規劃》，2023年3月中共中央辦公廳、國務院辦公廳印發《關于進一步完善醫療衛生服務體系的意見》，都明確鼓勵醫療機構積極拓展智慧管理創新應用，提升醫院運營管理效率。手術室作為醫院醫療資源密集的核心業務部門之一，信息化、數字化和智能化的轉型顯得尤為關鍵。手術室集多學科、多專業人員、多設備、多器械于同一平臺，其管理內容愈發紛繁復雜，面臨諸多挑戰。在公立醫院高質量發展的要求下，為全面提升醫療質量安全水平，國家衛生健康委、國家中醫藥局2023年8月聯合印發了《全面提升醫療質量行動計劃（2023-2025年）》，其中提出開展“手術質量安全提升行動”，對醫療機構對于手術的安全性、精準度、效率的要求進一步提升。

　　近年來麻醉與手術相關并發癥和死亡問題日益凸顯，我國手術患者住院死亡率與手術、麻醉并發癥發生率均呈現上升趨勢，亟待通過信息化、數智化手段提升手術麻醉患者管理能力。當前醫院圍術期患者管理面臨著多重挑戰，主要體現在數據管理和整合能力有限、術前評估復雜且耗時、麻醉風險評估困難重重、實時監控與管理手段受限、人工智能和自動化應用尚未普及、術后管理面臨的巨大挑戰等方面。為解決這些問題，構建數據驅動的，高效、智能的手術麻醉系統顯得尤為重要。

　　相應地，醫療機構對手術麻醉信息管理系統的要求不再是傳統的單一手術流程管理角色，更加注重手術患者全程管理和風險與質量控制，重視數據在圍術期診療全流程的價值釋放。數智化技術貫穿患者圍術期管理，將把數據從簡單的決策支持工具，發展成為推動醫療技術創新的核心力量，是滿足醫療行為管理、醫療質控及醫療科研發展的核心力量。

　　因此，醫療機構需要從龐大的圍術期數據中洞察數據，以便更好地臨床決策、研究創新和服務患者。而臨床數據孤島、數據分散、數據質量不高等問題，導致數據的應用和價值受限。為了應對這一挑戰，中臺概念應運而生，成為引領醫療機構數字化轉型的重要引擎之一。

　　樂九醫療在醫療大數據治理領域沉淀了十年，始終聚焦于賦能臨床科研與醫療質量管理，是國內圍術期數據庫建設的領頭雁。CHIMA 2024期間，樂九醫療攜手深麻智能發布了國內首個“三中臺架構”的新一代數智化手術麻醉系統DeepAI-V1.0。運用大數據、生成式AI等新技術，實現以患者圍手術期綜合管理為目標的業務全流程支持以數據驅動的智能化應用，智能化支撐術前評估與談話、麻醉診療計劃、臨床麻醉教育、麻醉前準備、麻醉管理、麻醉復蘇、術后疼痛管理、術后隨訪計劃等各臨床業務場景，包括術前評估單自動生成，ASA分級自動生成、支持一鍵排程、AI智能訪視、術中不良事件監測、智慧文書編輯器等創新模塊，為醫護人員提供智能化應用支持及友好便捷的操作體驗。

DeepAI-V1.0的三中臺架構體系

　　通過數據中臺、AI中臺和業務中臺的緊密配合實現高效管理操作、整合數據分析及智能算法應用，顯著提高麻醉過程的精確性、安全性和決策支持能力。

　　數據中臺通過數據技術，對圍術期全量數據進行采集、計算、存儲、加工，參考圍術期數據集標準對數據進行術語統一和結構化處理，再進行存儲，形成大數據資產層，進而為患者的手術提供全病程管理、精準診療等高質量服務，實現數據對業務的賦能和支撐。數據中臺的核心是臨床數據資產的共享和復用，提高數據處理效率，降低數據管理成本，為臨床、科研和質控管理提供更全面的數據分析和洞察能力。數據中臺的構建主要包括數據管理、數據分析、數據共享三個層次，數據管理的本質是將數據資產化，數據分析的本質是將數據智能化、場景化，數據共享的目標是將數據業務化。

　　AI中臺集成機器學習、自然語言處理、遷移學習、自監督對比學習、大模型認知和增強等技術手段，完成數據引擎、算法引擎、規則引擎的構建。基于生成式AI大模型的多模型系統架構，專注于圍術期的輔助決策。其中不同的基座模型被設計和訓練，通過模態對齊、跨模態融合等技術來處理特定的子任務或模態，然后由一個主模型（大語言模型）來協調和調用它們。突破大模型輸出可靠性提升技術，面向生成式評估單、動態監測與預警、輔助決策與干預控制三個具備代表性的圍手術期臨床應用開展針對性研究。基于標準報告模板和上下文學習技術，生成與醫生評估質量相似的高質量術前評估建議。整合權威醫學文獻指南知識和真實案例數據，實時監測并預警手術患者可能發生的不良事件。基于外部知識約束和提示詞工程，強化模型對醫療問題的應對能力。

　　臨床醫生可以通過AI中臺將輔助決策等科研成功轉化的成果直接應用于手術患者，降低并發癥發生率。AI中臺對患者術前信息及術中心率、血壓、血氧飽和、體溫等波形數據進行實時分析，對預測可能發生的急性事件或不良預后及時進行處置并逐步實現手術患者生命參數的精準調控。

　　業務中臺將數據中臺的資源整合成面向臨床工作需要的“中間件”，滿足隨需調用，其目標是沉淀出可以“被共享的能力”，通過統一的數據接口和模塊化設計，中臺能夠實現資源共享、信息流通和業務協同，支持多種手術麻醉應用場景。

　　通過與AI中臺和數據中臺對接互聯，實現智能化的輔助決策和全面的數據分析應用。同時業務中臺的靈活性和可擴展性使其能夠適應不斷變化的業務需求，最終滿足用戶體驗升級、運營成本降低的要求，實現業務標準化、體系化。

DeepAI-V1.0的核心功能模塊

　　1 AI一鍵智能排臺

　　依托數據模型和預設的排臺規則，支持一鍵智能排臺；配合靈活的拖拽交互，快速便捷的完成手術排臺。

　　2 智能訪視

　　系統自動采集患者病史及檢查結果，生成訪視單并提供原始數據核對。結合知識庫，輸出麻醉指南，助力麻醉醫師制定麻醉計劃。

　　3 輔助決策

　　基于預制算法模型庫和圍術期知識圖譜，提供術前用藥指導、麻醉計劃推薦、術中不良事件應對和術后并發癥處理措施。

　　4 知識圖譜

　　知識圖譜通過系統化整合手術相關信息和知識，結合大模型能力，提供決策支持和數據驅動的見解，提升醫療質量、優化手術流程。

　　5 患者轉運

　　通過移動端（PAD/PDA）的使用，規范患者手術轉運的流程，提高護理效率和患者安全。

　　6 精細管理

　　手術麻醉計費自動提取，耗材、毒麻藥管理，詳細的業務統計，全面的質控控制等功能。

DeepAI-V1.0助力手術質量提升

　　基于三中臺架構的DeepAI-V1.0可以協助醫務人員共同完善手術質量安全管理體系，形成科學規范、責權清晰、運行順暢的系統機制，降低患者圍手術期死亡、手術并發癥、麻醉并發癥等負性事件發生率，降低非計劃重返手術室再手術率，降低手術麻醉期間低體溫發生率。

　　1 賦能術前風險管理的科學評估

　　21世紀醫生的聽診器是科學評估。DeepAI-V1.0建立結構化的患者術前評估表，防止漏評、錯評，并在手術前對已完成的評估項目進行核定和分析，對其中發生變化的項目及時復評，根據評估進行手術分級管理目錄的動態調整，保障手術分級管理的科學性。

　　同時系統根據手術風險、患者評估情況，提供手術指征、禁忌癥、手術方式、預期效果、手術風險及處置預案參考，對存在糖尿病、高血壓、凝血功能障礙等情況的患者，提供術前藥物應用情況的自動核實，防止意外出現。對于急診手術，提供規范、簡便的術前準備清單、流程，避免遺漏必要的術前準備內容。

　　2 強化術中關鍵環節核查

　　系統嵌套《手術安全核查表》，在麻醉實施前、手術開始前和患者離開手術室前，逐項簽名核對相關內容，嚴防手術部位錯誤、手術用物遺落、植入物位置不當、手術步驟遺漏等問題。手術過程中，系統自動全程監測患者血壓、心率、體溫、血氧飽和度等生命體征，尤其是術中體溫主動保溫和緊急干預措施。

　　3 以精細管理為目標，實現術后風險管理

　　系統依據術后轉運銜接的業務流程，按要求定制交接清單、麻醉事項清單、耗材清單、護理質控清單、患者溝通清單。系統術后的即時評估，幫助醫務人員科學選擇麻醉復蘇室、普通病房、重癥監護室等術后觀察和恢復區域。記錄術后患者引流物性狀、引流量、出入量、傷口滲血等數據，輔助臨床及時開展AI疼痛評估，規范處置危急值，依靠系統加強和完善術后隨訪工作。

　　4 提供科學技術手段實現固本強基

　　DeepAI-V1.0依據手術質量安全提升行動目標來構筑系統的架構體系、匹配業務流程，堅持問題導向，聚焦重點問題。

　　系統將手術質量安全提升目標與醫院管理重點工作全面深度融合，形成長效管理機制，協同手術質量安全管理與技術成果轉化雙輪驅動的績效考核，幫助醫療機構探索建立以醫療質量安全為導向、以科學創新賦能為結果的醫療體系績效分配新機制。

樂九醫療企業介紹

　　樂九醫療成立于2014年，是浙江大學計算機創新研究院的生態企業。企業秉承“創新向善、樂人壽世”的初心，十年專注于賦能臨床科研與醫療質量管理，擅長醫療大數據治理及醫學人工智能技術開發，擁有近百項發明專利和軟著，具備完整的數據、隱私、信創等體系認證，是國家級高新技術企業、省級專精特新企業，是國內多個醫療/信息協會委員單位。

　　樂九醫療參與了多個國家重點研發計劃項目，累計協助臨床醫生發表了多個專家共識、超200篇SCI高分文章，主導了多個團標的編制。目前已為全國20余個省市和地區的數百家醫療機構提供了數智化技術產品與服務。

　　2022年樂九醫療組建由高校、醫院、研究機構協同參與的數據科學第五范式研發團隊，致力于研發基于垂域大模型的下一代臨床數智一體化平臺ClinNEX(1+X)，通過風險事件和專病管理兩個維度構建數智風險防控體系，以降低不良結局發生率為目標，全方位賦能醫院高質量發展。

　　以麻醉科為例，樂九構建了圍術期臨床知識研究平臺、圍術期數據庫、圍術期智能訪視與輔助決策系統、數智手術麻醉作業管理系統，形成臨床教學、科研、質控和患者全病程服務管理于一體的圍術期診療生態。圍術期領域大模型基于廣泛的醫學知識和臨床數據，進行復雜的數據分析、推理和決策支持，隨著數據不斷優化模型，算法持續優化迭代，預測精度不斷提升，逐步實現圍術期生命參數的調控精準，為麻醉機器人的發展奠定類腦人工智能核心支持。

　　未來，樂九醫療將繼續深耕科技與醫療的融合，為更多的醫生和患者提供更好的服務和診療效果，為推動中國醫療高質量發展，做出實實在在的貢獻。

　　（本文由樂九醫療供稿）