作为5项糖尿病治疗方法（饮食、运动、药物、自我监测与教育）中最基本的治疗方法，饮食治疗在糖尿病患者病程的各个阶段都极为重要。针对临床中糖尿病患者膳食管理方案编制繁琐、饮食治疗效果不佳的问题，结合糖尿病患者饮食管理工作步骤，设计糖尿病患者膳食管理智能决策流程；借助相似度计算模型，实现数据挖掘与智能决策，设计糖尿病患者饮食智能决策系统架构；借助计算机编程技术建立系统可视化界面；利用实例推理方法实现基于大数据的糖尿病患者膳食智能管理，减少糖尿病患者膳食管理工作量，提高糖尿病饮食治疗效率，为辅助临床快速、准确制定个性化的糖尿病患者饮食方案提供有效途径。
本刊2021年版权归中国全科医学杂志社所有
未经编辑部许可，不得任意转载和摘编
本刊所发表作品仅为作者观点，并不代表编委会和编辑部意见
如有印装质量问题请向本刊发行部调换
当前我国糖尿病患者人数近1亿，其中，2型糖尿病患者占糖尿病患者的90%以上，该类患者病程中各个阶段的预防及控制都应以饮食治疗为基础[1]，养成合理的饮食习惯以减少并发症的发生对2型糖尿病患者尤为重要，但很多糖尿病患者在饮食治疗的认识上存在一定的误区[2]，不利于糖尿病的治疗和控制。国务院在2017年颁布的《中国防治慢性病中长期规划（2017—2025年）》提出了糖尿病高危人群健康干预项目，要通过饮食治疗推进糖尿病患者病情的有效预防与治疗。
近年来，利用信息技术实现对糖尿病患者的信息化管理取得了良好进展，陈纤纤等[3]将人工智能技术用于胰岛素闭环控制系统研究中，并指出系统仍需进一步的专家知识库的积累、医疗与人工智能深度合作来不断完善；倪家远[4]提出基于决策树的糖尿病诊断专家系统，实现了糖尿病诊断、病例载入、知识库管理、用户信息管理等功能；闵超[5]建立基于专家系统的远程糖尿病管理平台辅助医生为患者制定糖尿病管理计划。在解决流程复杂的方案设计问题上，研究者常采用规则推理、模糊推理、基于实例推理等方法，其中基于实例推理方法是人工智能领域中，一种依靠存储实例问题及其解决方案并通过调整这些解决方案来解决新的类似问题的方法[6]，包括知识构建、知识获取、知识检索、知识修订和知识重用5个部分[7]。
为了解决临床中糖尿病患者膳食管理工作繁琐、饮食治疗效果不佳及糖尿病患者数量庞大与营养师稀缺等问题，本研究基于生命周期法设计系统。第一，梳理国内外关于糖尿病患者膳食管理的相关理论、研究现状、信息化进程及模型构建的相关技术；第二，通过实地调研和深入访谈了解糖尿病患者膳食管理的业务流程及在每个环节所需要的详细信息；第三，选用基于实例推理的方法来实现糖尿病患者膳食管理系统中的数据挖掘功能与智能推理功能；第四，利用德尔菲法与专家探讨研究中的关键问题，设计科学、有效的糖尿病患者膳食管理系统。该系统有利于提高糖尿病患者临床饮食治疗的效率，保证膳食管理方案的科学性和有效性，满足患者个性化需求，同时可以合理配置医疗资源，促进慢性病医疗信息化发展。
饮食治疗是糖尿病5项治疗方法中最基本的治疗方法，主要通过控制每日摄入总能量和保证营养素比例来达到控制饮食、合理营养的目的，同时利用食品交换、营养计划等方法，做到饮食内容多样化、适量补充微营养素。基于现有研究，根据《实用营养师手册》[8]并结合临床调研内容，得到糖尿病患者的膳食管理工作步骤如下：（1）考虑患者个人身体状况。在进行糖尿病患者综合化膳食干预时，首先要对患者身体情况进行综合评估，了解患者的饮食偏好、生理指征数据等信息[9]，根据患者个人身高、体质量、年龄、劳动强度等信息并结合病情和营养状况确定每天热能供给量。（2）估算每日所需能量。首先，利用Broca法计算患者标准体质量及其BMI值，BMI=体质量/身高2，按WHO标准BMI 18.5~24.9 kg/m2为正常，我国标准BMI 18.5~23.9 kg/m2为正常[10]，并依据限制超重及肥胖者、放宽消瘦及体质量不足者至正常体质量的原则处理BMI值；其次，基于处理后的BMI值，参照体力劳动强度表[11]确定每日每千克标准体质量所需能量；最后，根据公式"每日所需能量=标准体质量×每日每千克标准体质量所需能量"计算出患者每日所需能量值。（3）营养素分配。根据《中国居民膳食指南》[12]确定患者饮食中各类营养素的摄入量比例，每日蛋白质提供的能量应占膳食总能量的15%~20%，或成人按每日每千克体质量1.0~1.5 g提供；每日脂肪摄入量占膳食总能量的20%~35%，可按照每日每千克体质量0.6~1.0 g摄入脂肪；每日碳水化合物摄入量占膳食总能量的50%~60%，同时要提高纤维饮食量，每日膳食纤维的摄入量为40 g左右。（4）饮食分配和餐次安排。一天至少保证三餐，早、中、晚餐能量按25%、40%、35%比例分配[8]，在体力活动量稳定情况下，饮食要做到定时、定量。每餐主副食搭配且应有糖类、蛋白质和脂肪。注射胰岛素或易发生低血糖者，要求在三餐之间加餐，加餐能量应从正餐总量中减去，做到加餐不加量；不用胰岛素的患者，也可适当少量多餐以减轻单次餐对胰腺的负担。（5）饮食方案多样化设计。根据患者每日摄入总热量值，结合患者饮食偏好、个人习惯，借助食物互换法[8]对患者的饮食方案进行多样化设计，为患者提供多种可供选择的饮食方案。
基于上述要求，糖尿病患者膳食管理需要依据患者个人的性别、年龄、身高、体质量、空腹血糖和劳动强度等信息，结合总热量控制原则，设计营养均衡、内容多样的饮食方案，因此在糖尿病患者膳食管理系统中需要输入评估所得的生理情况指标信息，作为系统智能推理、方案决策的依据。
实例推理是人工智能领域中一种基于知识的问题求解和学习的方法，主要通过寻找与待求问题相似的历史案例，利用已有经验或结果中的特定知识，即具体案例来解决新问题。实例推理把一个已解决的过去的问题描述成特定的问题信息集及解决方案集存储在实例数据库中，当新问题出现时，系统通过访问数据库获取过去相似问题及其解决方案，并加以评价、修正，最终用于解决新的问题。在糖尿病患者膳食管理系统建设中，数据库工程师与营养师合作，营养师根据临床工作经历，编制20~50个不同糖尿病患者的饮食方案，由数据库工程师编写成实例信息表存入数据库中，作为系统中实例推理算法推理的历史案例。实例信息表主要包括实例编号、性别、年龄、身高、体质量、空腹血糖、劳动强度、推荐摄入量等信息（见表1）。
糖尿病患者膳食管理系统实例信息表
Diet treatment scheme developed by the diabetic dietary management system for a case of diabetes
糖尿病患者膳食管理系统实例信息表
Diet treatment scheme developed by the diabetic dietary management system for a case of diabetes
| 项目 | 内容 |
|---|---|
| 实例编号 | 20181115196712120032 |
| 性别 | 女 |
| 年龄（岁） | 46 |
| 身高（cm） | 162 |
| 体质量（kg） | 70 |
| 空腹血糖（mmol/L） | 9.6 |
| 劳动强度 | 中体力劳动 |
| 推荐摄入量（kcal） | 2 300 |
| 早餐 | 小米粥50 g，荞麦面包40 g，凉拌黄瓜80 g+饼干20 g |
| 中餐 | 米饭50 g，番茄豆腐80 g，肉片炒菌菇80 g+柚子80 g，全麦面包58 g |
| 晚餐 | 荞麦馒头75 g，炒莴苣丝60 g，西兰花肉片75 g |
基于现有研究，结合中国居民营养饮食方案编制步骤、糖尿病患者的饮食原则，设计糖尿病患者膳食管理系统工作流程。系统中数据挖掘、智能匹配等功能通过实例推理算法来实现，医护人员通过对患者进行身体检查和评估，将获取的患者生理指征输入系统界面，系统采用相似度计算模型来实现案例匹配，系统主要工作流程见图1。根据流程图可知，糖尿病患者膳食管理系统工作流程可分为7个步骤：（1）输入患者生理指征。医护人员通过患者病历、现场检查及询问等方式，充分了解患者的身体现状，获取患者生理指征，并在系统界面中填入患者的身高、体质量、BMI值、年龄、劳动强度和性别等信息，作为糖尿病患者膳食管理系统智能决策的依据。（2）检索实例库。系统将患者生理指征与数据库中实例信息进行相似度匹配，根据待求病例与实例库中各实例之间的推荐摄入量差异值大小，匹配出符合条件的实例，按照营养食谱编制要求[8]，两者差异应小于±10%。若系统不存在满足上述条件的实例，则转到步骤（3）；若系统存在多个满足条件的实例，则转到步骤（4）。（3）制定患者膳食方案。工作人员充分了解患者的生理状况，根据糖尿病患者膳食管理流程为患者编制新的个性化膳食方案，同时将生成的新方案信息存入实例数据库中。（4）智能决策。系统智能匹配过程主要包括：第一，计算相似度，包括局部相似度计算和整体相似度计算，通过实例中各个具体参量之间的局部相似度值及评价所得的各参数的权重值计算得出实例间的整体相似度值，整体相似度值最高的为最优参考方案；第二，筛选、评价相似方案，根据患者的生理指征及个人偏好，医护人员对系统给出的相似度较高的几个方案进行二次筛选和评价，选出可用于该患者的一个或多个方案；第三，修改相似方案，结合评价结果，对二次筛选出的方案进行修改和优化，最终生成适用于患者的个性化膳食管理方案。（5）判断是否符合饮食原则。根据上述生成的新饮食方案中的各项食物名称，系统从食物营养成分数据库中获取各项食物的营养成分，并分别计算各项营养素的总量，从而得出一日食谱中的营养素比例，最后判断是否符合要求，若不符合要求，则转到步骤（2）；若符合要求，则转到步骤（6）。（6）打印患者膳食方案。上述工作完成后，打印出患者膳食方案并反馈给患者，供患者在饮食治疗中使用。（7）存入数据库。将生成的膳食方案存入数据库中，供接下来使用。不断扩充数据库中的案例数量，提高系统决策的准确性，实现大数据存储、挖掘和管理，推动对糖尿病患者的信息化管理和智能化服务。
（1）科学性：进行充分的临床调研，并对调研获取的糖尿病患者膳食管理工作流程进行必要的优化和改善，将饮食内容、患者情况等信息转化成系统适用的表达方式，使其符合科学管理及系统开发的要求。（2）经济性：选用合理的系统设计方法与开发技术，在满足系统运行要求下，减少不必要的费用支出。一方面，工作流程要与系统功能相匹配，不宜复杂化系统设计；另一方面，设计过程中，应保留与档案系统等其他系统的接口，以满足日后糖尿病患者膳食管理业务流程变化而产生的费用支出。（3）可靠性：为了确保系统安全有效运行、满足患者提供个性化需求，需要建立安全、可靠的系统架构，既要实现系统必要功能，又要在用户安全、数据安全上提供有力的反应机制，如多用户使用系统的线程安全性、用户数据做好封装等。（4）以患者需求为导向：系统功能建立在真实有效的患者需求上，以满足患者需求为基本导向，各项业务流程在系统功能展现上做到简洁直观、人机友好，有一定的实用价值。
系统功能设计主要包括系统所能实现的功能、结构及与数据库的结构关系，可通过系统功能结构图来表示（见图2）。基于大数据的糖尿病患者膳食管理系统主要包含以下功能：（1）用户管理：分为用户注册和用户登录两部分，其中用户登录分为患者、医护人员和管理人员登录3个模块。（2）患者信息采集：录入患者的身高、体质量、BMI值、年龄、劳动强度和性别等生理指征。（3）计算推荐摄入量：根据录入的患者生理指征计算患者的推荐摄入量值。（4）膳食智能管理：包括数据挖掘、智能决策和生成膳食方案3个部分。数据挖掘是根据患者的个人生理指征利用实例推理算法对数据库中存储的实例信息进行挖掘，找出可供使用的相似案例；智能决策是参考系统推荐的相似案例，为患者制定个性化、科学合理的膳食管理方案；生成膳食方案，即将系统得出的糖尿病患者膳食管理方案导出。（5）数据库维护：指对数据库中存储的所有信息数据进行修改、查询等维护，包括用户信息库、案例信息库、食物互换信息库、营养成分信息库和患者信息库。
系统架构图是将系统要实现的功能分解后按照层次画出来的图表。功能结构图由上到下按照功能层次划分，基于大数据的糖尿病患者膳食管理系统包括用户层、应用层、数据层和支持层4层（见图3）。
用户层主要是通过可视化界面实现系统与用户的交互，其中用户包括3类人群：患者、医护人员和管理人员。患者可以在系统中查看个人膳食管理方案、与医护人员交流和填写个人信息及需求；医护人员可登录系统进行患者信息采集，将评估所得的患者生理指征录入系统，并利用智能决策功能生成糖尿病患者的膳食管理方案；管理人员可在系统中进行信息采集、智能决策、用户信息管理、患者信息管理和数据库维护，实现对系统中各类信息数据的查询、修改等。
应用层为系统功能的实现，为患者、医护人员提供了一个良好的糖尿病患者膳食管理环境，同时给出了系统化的膳食方案设计过程，即在不同的膳食方案编制阶段封装不同的基础算法和数据处理方法，达到最优化的设计目标。在系统中，通过基于实例推理的方法来匹配、筛选供选用的实例，解决糖尿病患者膳食管理复杂、个性化程度高的问题。
数据层由用户信息库、案例信息库、患者信息库、食物互换信息库和营养成分信息库5个库构成。用户信息库用于存储用户注册的账号、密码、个人情况等信息，是实现系统用户登录功能的数据基础；案例信息库用于存储典型完整的膳食管理方案案例，案例信息库在系统的使用中不断丰富和扩展，为提高系统的准确性和高效性提供了基础；患者信息库用于存储患者的账号信息，以及患者在系统中填写的个人生理、需求等信息；食物互换信息库参考《实用营养师手册》将不同能量糖尿病饮食食物互换表存入数据库；营养成分信息库来源于《实用营养师手册》中的营养成分信息表，包含各类食品每百克中营养素成分信息，可供用户在使用中查询和了解[8]。
支持层主要包括维持系统运行的硬件与软件，包括显示器、服务器、网络环境、操作系统等，是保证系统有效运行的基础。
本研究设计的基于大数据的糖尿病患者膳食管理系统的实现主要分为MySQL数据库存储部分和VB可视化界面建立部分，通过将二者连接使用来实现系统的主要功能。各项功能的操作界面均用VB编程语言实现，主要包括登录界面、主菜单界面、患者信息采集界面、膳食方案制定界面、营养成分查询界面等。
登录界面是用户使用个人账户和密码登录系统的界面（见图4）。用户登录系统时，若用户已在系统中注册账户，则直接选择身份并登录系统；若用户尚未在系统中进行注册，则点击"注册"填写个人信息注册账户。
主菜单界面是用户登录系统后显示的包含系统功能菜单的界面（见图5）。以管理人员操作系统为例，主菜单界面中展示了用户可操作的系统功能，包括患者信息采集、膳食方案制定、营养成分查询、食物互换和数据库管理等。其中数据库管理菜单还包括5个二级菜单：用户信息数据库、案例信息数据库、患者信息数据库、营养成分信息数据库和食物互换信息数据库，管理人员可在菜单栏中选择要进行管理的数据库，实现对系统中数据信息的增加、修改、删除、查询等维护。
患者信息采集界面用于填入患者的个人生理指征，作为系统膳食管理方案制定的基础和依据（见图6）。在系统中输入患者的身高、体质量、年龄、劳动强度及性别信息后，系统会计算出患者的BMI值和推荐摄入量，作为膳食管理方案智能决策的基础。
膳食管理方案制定界面是用户使用系统对患者进行膳食管理的界面（见图7）。用户填入患者信息，系统跳转至膳食管理方案制定界面，点击"膳食方案匹配"，系统计算出数据库中与该患者信息相似的案例，并将推荐案例信息显示在界面中；医护人员选择相似度较高的可参考案例，并对其修改和评价后生成适合患者使用的膳食管理方案，最后将生成新方案存入系统，可供患者登录系统查询，同时也可丰富系统数据库中的案例；实现了数据挖掘、智能推理功能，同时提高系统使用便捷性。
营养成分查询界面是查询各类食物营养成分表的界面（见图8）。用户可在界面中输入食物编号或食物名称查询食物的营养成分信息，同时可在界面中添加、修改食物营养成分信息，便于用户了解食物营养成分，判别食用量。
糖尿病是各国关心的主要慢性病之一，关系着国民健康水平，饮食治疗作为一种低成本、低副作用的治疗方法，在糖尿病患者病程的各个阶段都很重要。基于实例推理数据挖掘和知识学习技术是人工智能中一种经典的知识学习方法，适用于糖尿病患者的膳食管理，可以改善饮食治疗流程，为患者提供高质量、高水平的个性化医疗服务，减轻医疗工作强度。
我国智慧医疗相关发展政策和规划不断提出，近几年智慧医疗在信息化建设、数据挖掘、知识学习、智慧门诊方面发展迅速。本文提出了基于大数据的糖尿病患者膳食管理系统，归纳了糖尿病患者饮食方案的编制流程，将饮食方案设计的流程规范化。进一步归纳出糖尿病患者饮食信息表，并指出饮食方案设计中需要输入的条件信息作为系统运作的基础信息，其中使用推荐摄入量作为中间参量在系统推理时进行初步匹配，筛选待参考实例，并使用相似度计算模型进一步计算匹配，筛选出实例数据库中可参考的实例进行评价与重用，同时设计了实例数据库、食物营养成分数据库等作为实现系统功能的大数据基础。
本研究设计智能决策系统，能有效辅助和优化糖尿病患者临床饮食治疗工作，参考历史案例进行智能决策的方法，可以有效减少营养师膳食管理方案编制工作量；利用食物互换法编制内容多样的饮食方案，能科学有效地满足患者膳食的个性化需求；基于大数据的信息管理交互平台，为患者、医护人员及管理者之间交流互动提供了良好的环境，推动了信息化智慧医疗的发展。因此，本研究设计的基于大数据的糖尿病患者膳食管理系统具有较高的研究价值和较强的实用性和科学性，同时为糖尿病的智能预防、控制和治疗提供了一个有效的方法。
本研究仍存在进一步思考、钻研的空间，本研究提出的智能决策系统在投入临床使用前，存在数据库基础数据信息不足的问题，需要在临床使用中进一步扩充数据库，以提高系统的准确性。因此，为了建立数据充足、决策准确的糖尿病患者饮食智能决策系统还需要进行大量的临床实例统计与分析，并且在使用过程中不断扩充、丰富数据库，从而确保系统的实用性和准确性。
本文无利益冲突。
