栏目: 专题策划 https://www.zgszyx.org.cn zh-cn https://www.zgszyx.org.cn/CN/current.shtml https://www.zgszyx.org.cn 5 https://www.zgszyx.org.cn/CN/abstract/abstract59.shtml 探讨重症医学信息化建设的发展现状与建设方案.分析了目前重症医学信息化的国内外发展现状,指出当前重症信息化的发展需求痛点.基于物联网数据平台的建设提出解决方案,展望了重症医学信息化建设的未来发展方向,借助物联网,实现医疗数据的全面整合.通过信息化建设,重症医学将迎来更加高效、精准的医疗服务,为患者的生命安全和健康保驾护航.]]> https://www.zgszyx.org.cn/CN/abstract/abstract63.shtml 目的:减轻医生临床压力,提高信息化辅助临床诊断决策水平.方法:运用物联网采集装置,采集重症监护室、普通病房呼吸机、监护仪等治疗设备生命体征和报警信息,设计假阳性报警过滤和临床辅助诊断信息化模型工具.结果:通过实施假阳性报警过滤和临床辅助诊断信息化工具,为医院阳性报警、远程ICU等应用推广提供数据支持.结论:重症监护室信息化辅助决策的研究与应用,可提升临床医生的决策效率,减轻临床工作压力,提高医疗服务水平.
]]> https://www.zgszyx.org.cn/CN/abstract/abstract72.shtml 为了加速发展重症专科信息化建设,提升重症科室的临床诊疗能力和科研水平,实现科室质量管理数字化、医院同质管理一体化,根据东南大学附属中大医院的重症专科信息化建设规划,通过标准化临床业务流程和整合全院数据,设计了包括重症监护临床信息系统、院内重症患者早期预警及快速反应平台、远程重症同质化诊疗平台和重症大数据科研管理系统.这一举措提高了医护的工作效率和服务质量,强化了医护人员的数据提取、整合能力,质控能力,优化了对院内、区域患者的救治能力,助力学科科研成果转化,实现了医院同质管理一体化,形成区域示范带动效应.]]> https://www.zgszyx.org.cn/CN/abstract/abstract73.shtml 目的:建设数字化重症快速反应体系,实现急危重症患者早期识别和干预,保障患者医疗安全.方法:利用物联网、大数据和人工智能等技术,建设重症快速反应信息平台,完善快速反应管理体系.结果:构建急危重症大数据中心、智能预警及快速反应系统、组织管理体系三位一体的重症快速反应体系,为患者提供智慧、同质、高效的医疗服务.结论:重症快速反应体系建设在我国尚处于探索阶段,通过全流程的信息化、数字化管理,切实提高患者医疗安全保障,不断推动构建适合我国医疗高质量发展的重症快速反应体系.]]> https://www.zgszyx.org.cn/CN/abstract/abstract74.shtml 目的:通过机器学习,建立一套智能化的重症急性胰腺炎(SAP)的辅助诊断模型,及时、高效地辅助医生判断患者急性胰腺炎(AP)严重程度,辅助SAP的诊断,便于早期干预,提高预后.方法:收集近3年急诊科及消化内科的122例AP患者的临床数据.将发生SAP的患者纳入SAP组,未发生SAP的患者纳入非SAP组.使用单因素分析筛选指标,包括患者一般情况、检查、检验等.将筛选出的指标纳入预测模型,建立两种机器学习模型:逻辑回归模型、人工神经网络模型(ANN).比较两者的受试者工作特征曲线下面积(AUC)、特异度、敏感度.结果:39例(34.8％)患者确诊SAP.通过单因素分析,SAP组具有更高的糖尿病病史比例、白细胞介素6(IL-6)、C反应蛋白(CRP)、D-二聚体、凝血酶原时间(PT)、部分凝血活酶时间(TT)以及肌酐值;非SAP组则有更高的血细胞压积(HCT)和纤维蛋白原(FIB)水平.逻辑回归模型的变量选择了 IL-6、肌酐和FIB.模型的特异度为74.82％,敏感度为80.35％,准确度为76.17％,AUC为0.802(95％置信区间为0.762～0.875);人工神经网络模型的变量选择了 IL-6、肌酐、HCT、D-二聚体和TT.模型的特异度为75.30％,敏感度为85.28％,准确度为78.25％,AUC为0.865(95％置信区间为0.781～0.886).结论:人工神经网络模型相比逻辑回归模型的准确性更佳且两种模型均比评分使用简便.SAP辅助诊断系统的建立,有助于临床医生快速决策、确诊疾病,进而确定治疗方案,具有良好的应用前景.]]> https://www.zgszyx.org.cn/CN/abstract/abstract75.shtml 目的:建设跨区域重症远程协同服务平台,推动优质医疗资源下沉与均衡分布,探索专科医联体建设新路径.方法:依托5G技术、KVM等技术建设跨区域重症远程协同服务平台.结果:四川大学华西医院重症医学学科与信息中心,联合第三方医学信息服务商共同建设华西医院重症医学学科联盟远程重症协同系统,破解医疗信息跨院安全传输障碍,开发远程监护、远程会诊、远程实操、远程教育、远程质控5大功能模组,服务13省140家成员单位,提供会诊查房约250例/年,教学直播约200场/年.结论:现有通信相关技术可以成功建设跨区域重症远程协同服务平台,保障患者数据安全,提高远程协同效率,实现医疗资源、教学资源共享.]]> https://www.zgszyx.org.cn/CN/abstract/abstract76.shtml 目的:通过大语言模型技术学习重症医学专科的临床知识,理解和识别临床医疗需求和临床问题意图,并对临床用户提出的问题进行智能反馈.方法:在通用大语言模型的基础上,进行医疗大语言模型数据集的设计,并收集大量的医学知识数据进行多任务多阶段的大语言模型训练,实现对重症医学临床信息的智能分析.结果:实现对重症医学临床医疗信息的智能化理解及自动化问答.结论:应用医疗大语言模型技术,结合临床规则库、医学文献等外部知识体系,可构建重症临床信息大语言模型系统,为临床医疗提供科学、智能的信息理解和决策支持,为大语言模型技术在医疗领域的进一步研究和应用提供经验和参考.]]>