罕见病智能知识服务体系专题研究
罕见病智能知识服务体系设计
中国全科医学, 2021,24(28) : 3629-3633. DOI: 10.12114/j.issn.1007-9572.2021.00.288
摘要

为使罕见病患者及其家属和医务人员等更加精准便捷地获取罕见病知识、熟悉罕见病的临床特点及了解罕见病专家和药物资源分布,并缓解罕见病诊疗难题、促进医患交流及提高公众对罕见病的认知水平,本文对罕见病智能知识服务体系的设计进行了探讨。罕见病智能知识服务体系的设计思路为:根据罕见病知识受众的特点,设计罕见病知识服务模式;通过对罕见病诊疗指南、经典病例、专业文献、专业书籍和临床诊断标准等资料进行整理和分析以广泛采集罕见病领域的权威知识,在由罕见病领域专家对其进行审核的基础上,基于人工智能、数据挖掘、大数据处理和软件工程等技术形成多样化的罕见病知识体系、知识库和模型库,最终构建罕见病智能知识服务平台。借助信息化平台和"互联网+医疗"远程、智能、便捷和高效的独特优势为患者及其家属、医务人员和管理者等提供10类智能化服务的同时,提升罕见病的识别、筛查和诊断水平,促进罕见病注册和疾病地图绘制,并助力罕见病防治。

引用本文: 胡红濮, 戴国琳, 陈庆锟, 等.  罕见病智能知识服务体系设计 [J] . 中国全科医学, 2021, 24(28) : 3629-3633. DOI: 10.12114/j.issn.1007-9572.2021.00.288.
参考文献导出:   Endnote    NoteExpress    RefWorks    NoteFirst    医学文献王
扫  描  看  全  文

正文
作者信息
基金 0  关键词  0
English Abstract
评论
阅读 0  评论  0
相关资源
引用 | 论文 | 视频

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

【编者按】

罕见病确诊困难,患者常辗转多地多次就医,不仅对患者的身心健康造成巨大的负面影响,也给其家庭和社会造成巨大的经济负担。由于每种罕见病病例稀少且针对单种罕见病开展的研究十分有限,导致罕见病知识资源无法实现快速供给。目前,罕见病知识资源的供给量远小于其需求量。信息化建设可助力罕见病知识资源的供给侧改革,有利于提升罕见病知识资源的全面性、权威性、深度性和及时性,最终实现"文献+资讯+专业数据集+科研实体"的知识资源供给。本专题研究通过设计基于信息化技术的罕见病智能知识服务体系,旨在汇聚罕见病数据源和知识源、构建罕见病知识图谱和模型、开发基于大数据的罕见病智能诊断和预测引擎,以使其成为罕见病知识资源供给侧改革的有力"抓手"。初级卫生保健是罕见病防治体系的重要组成部分,全科医生是罕见病智能知识服务体系的受众之一。有学者认为,基于我国罕见病管理现状,结合我国人口大国的国情,重视全科医疗在罕见病预防及管理中的作用,可能会成为破解我国罕见病管理难题的新出路。因此,本专题研究的策划目的是为全科医生展开一张罕见病知识服务向自动化、精准化与智能化转型的蓝图,为其开展罕见病预防、初步识别和随访管理等工作提供助力。目前,该智能知识服务体系处于设计完成阶段,本刊将对其后续进展进行持续跟踪,敬请关注。

罕见病又称稀有疾病或者"孤儿病",是发病率极低的一大类疾病的统称,世界卫生组织将其定义为患病人数占人口总数0.65‰~1.00‰的单种疾病或病变。目前,全球范围内已确认的罕见病超过7 000种,受累人数超过3亿[1,2]。罕见病中遗传性疾病占比达80%以上且多为慢性病,还有一些罕见病由感染和过敏引起,或为退行性和增生性病变[3,4]。我国人口基数较大,罕见病患者数量多,总数约达4 000万[5],且每年新出生的罕见病患儿超过20万,但罕见病在临床的知晓度却很低,有相当比例的医生对罕见病尚不了解,"患不知医、医不知患"的情况仍然存在[6]。同时,罕见病专家在长期的临床诊疗过程中积累了大量的宝贵经验,但受限于传播途径,优质的知识资源未能得到有效推广和充分利用。罕见病已不仅是医学问题,更是亟须解决的社会公共卫生问题[1,7]。罕见病知识水平的提升有助于罕见病诊疗水平的提高,但目前罕见病患者及其家属、临床和科研工作者及公众通过传统路径获取的罕见病知识有限,远不能满足其需求。

2015年3月,国务院总理李克强部署推进"互联网+"行动,如今,"互联网+"正在与各行各业深度融合。云计算、大数据、物联网、移动互联网和人工智能等新技术在卫生健康行业的加速落地,推动了全民健康信息化建设,有助于全方位实现惠民、惠医和惠政。本研究借助信息平台,利用"互联网+"远程、智能、便捷和高效的优势,设计罕见病智能知识服务体系,旨在为罕见病知识受众提供智慧化知识信息服务。该智能知识服务体系将有助于提升我国罕见病认知水平,助力罕见病的早期发现、诊断、治疗、康复和创新管理,为推进罕见病的防治工作提供技术支撑。目前,国内外关于罕见病智能知识服务体系的研究较少,本研究团队围绕"互联网+医疗"、智慧医疗、智慧公共卫生、智能知识服务平台、知识库和模型库的构建及公众健康信息化等已开展了多项研究[8,9],具有丰富的理论与实践经验,可为罕见病智能知识服务体系的设计和开发提供借鉴的同时,保障设计的合理性、科学性和有效性。

1 设计思路

(1)基于国内外罕见病领域研究进展,结合罕见病特征,设计罕见病知识服务模式。(2)整理和分析罕见病诊疗指南、经典病例、专业文献、专业书籍和临床诊断标准等资料以广泛采集罕见病领域的权威知识,并根据知识的类型,确定其组织方式。知识组织方式呈现多样化,包括知识图解、知识图谱、知识网络、思维导图和案例库等。(3)利用人工智能、数据挖掘和软件工程等信息技术形成多样化的罕见病知识体系、9类知识库和2类模型库。(4)基于罕见病患者及其家属、医务人员和管理者等的不同需求,构建罕见病智能知识服务平台,利用"互联网+"远程、便捷、高效和智能的优势提供10类智能化服务,以期提升知识受众的罕见病知识水平和认知程度,提高医生的罕见病识别和诊断能力,助力罕见病的早期发现和防治。罕见病智能知识服务体系设计见图1

点击查看大图
图1
罕见病智能知识服务体系设计
Figure 1
Design of the Intelligent Knowledge-based Service System for Rare Diseases
点击查看大图
图1
罕见病智能知识服务体系设计
Figure 1
Design of the Intelligent Knowledge-based Service System for Rare Diseases
2 设计路径
2.1 罕见病知识服务模式设计

罕见病诊断困难,需要多学科、跨专业的临床及医学专家协作方能确诊。《2018年中国罕见病调研报告》显示:来自全国的2 040例罕见病患者中,64.2%经历过误诊;15.9%经历过5次以上转诊;42.6%获得明确诊断的用时超过1年;13.4%的罕见病患者从就诊到确诊的时间超过6年;有相当比例的医生对罕见病尚不了解,"患不知医、医不知患"的情况仍然存在[1]。为了加强罕见病信息传播和科教宣传、提高罕见病的公众知晓率、促进罕见病的防治合作交流、提升罕见病的识别和诊断能力并助力罕见病防治和科学管理,以及使患者及其家属和医务人员等更加精准便捷地获取罕见病知识、熟悉罕见病的临床特点及了解罕见病专家和药物资源分布,并促进医患交流,本部分以问题、需求和目标为导向探讨基于信息技术的罕见病知识服务模式设计,见图2。例如,针对罕见病患者人数众多,但每一种罕见病患病率低、发病率低且患病人群分散的特点,利用信息平台和"互联网+"远程、智能、便捷、高效的独特优势,加强罕见病知识宣传教育,提高患者信息登记的效率,并探索罕见病诊疗新路径。针对罕见病80%以上由遗传缺陷引起且95%以上尚无有效治疗手段[10]2大特点,设计罕见病预防知识库,内容包含孕前综合干预、孕期保健、产前筛查、产前诊断及出生缺陷干预等,以期实现通过知识服务平台提升公众对孕前产前罕见病筛查的重视程度和推动罕见病"早筛早查"机制建立,尽可能地从源头上预防出生缺陷。针对相当比例的医生对罕见病尚不了解,罕见病确诊困难、误诊和漏诊率高及大多数患者常辗转就医等问题,以期实现利用搭建的知识服务平台提高公众、罕见病患者和医生对罕见病的整体认知并促进医患、患患交流,同时,借助知识库和模型库辅助医生识别和诊断罕见病,最终达到医生和罕见病患者获取权威知识更加便捷、罕见病知识普及率和罕见病识别率提升、医患沟通更加高效便利及罕见病诊断更加精准的效果。罕见病知识服务模式设计过程中采用了文献研究、问卷调查、思维导图和专家咨询法。

点击查看大图
图2
罕见病知识服务模式的设计
Figure 2
Design of a model for delivering rare disease knowledge services
点击查看大图
图2
罕见病知识服务模式的设计
Figure 2
Design of a model for delivering rare disease knowledge services
2.2 构建罕见病多样化的知识体系

知识体系的建立是罕见病智能知识服务体系建立的基础。通过查阅罕见病诊疗指南、专业书籍和科学文献等资料,整理归纳罕见病相关理论知识,并对其中的基础性和客观性知识进行系统梳理、提炼和总结。利用知识组织、文献梳理和专家咨询等方法,构建多样化的罕见病知识体系,主要包括知识图解、知识图谱、知识网络、思维导图和案例库。(1)知识图解:图解罕见病的发生和演变过程、病理基础、临床表现、诊断要点和治疗方案等关键知识点,使罕见病知识以更加清晰明确的方式呈现。(2)知识图谱:将罕见病的概念、影响因素和发病机制分别抽象为本体、关系和属性,并进行可视化展示,以使复杂的疾病因果逻辑关系更加直观。(3)知识网络:以罕见病的致病基因、症状作为关联递质,将具有相同致病基因和/或相似症状的罕见病关联起来,形成知识网络。在知识网络形成的基础上,利用网络拓扑系统、直观地展现罕见病之间的联系和聚类,促进用户对罕见病知识的宏观理解。(4)思维导图:以罕见病的种类为单位绘制疾病思维导图,内容包括罕见病的概念、发病机制和发展过程、临床表现、诊断要点、治疗方案、预后和转归及康复与随访,以使知识受众全面掌握特定罕见病的全貌。(5)案例库:通过展示罕见病经典病例,帮助医生深入理解罕见病知识、理清罕见病诊疗思路(维),丰富其临床经验并提高其罕见病诊疗水平[11]

2.3 构建罕见病知识库和模型库

通过对国内外罕见病相关文献、临床诊疗路径及电子病历进行系统分析,同时结合临床医生、专家等在实践中积累的诊疗经验或形成的诊疗思维,建立起较为完善、规范和完整的罕见病知识库和模型库[12]。通过对罕见病知识进行分类和处理,形成不同类型的罕见病知识节点和记录,并根据本体关系定义和映射建立罕见病知识概念描述,在此基础上,实现罕见病知识库和模型库的构建[13,14]。构建知识库和模型库过程中所运用到的技术包括可视化技术、知识组织、人工智能技术和自然语言处理技术等。

2.3.1 罕见病知识库设计

研究过程中将构建9类知识库,即罕见病通用知识库、预防知识库、症状知识库、诊断知识库、异常检查指标知识库、特异症状知识库、药物循证知识库、治疗知识库和随访知识库。通用知识库是其他知识库的基础,以疾病为分类维度,实现对疾病信息的全面、系统描述。症状知识库以疾病症状为分类维度,用于描述症状的具体特征及与该症状相关联的疾病。各知识库之间既可支持知识的直接查询,又可协同发挥作用以辅助医生诊断与决策。

2.3.2 罕见病模型库设计

研究过程中将构建2类模型库,即症状与疾病关联模型库和疾病鉴别模型库,其中,症状和疾病关联模型是整个知识库和模型库的核心。症状和疾病关联模型在罕见病通用知识库和症状知识库的基础上结合专家经验和电子病历拟合形成,包括定性模型和定量模型。罕见病鉴别模型则提供了罕见病与其他相似疾病的鉴别方法和要点等。

2.3.3 知识库和模型库的关联关系及应用模式举例

本研究设计的9类知识库和2类模型库的关联关系见图3。知识库和模型库均可单独使用,也可与包括智能知识服务平台、医院信息系统和基层医疗卫生服务信息系统等在内的平台或系统进行对接以协同发挥作用。知识库和模型库既可关联患者的症状,又可关联疾病鉴别模型、特异症状知识库、诊断知识库和异常检查知识库中的规则,以实现对患者所患疾病种类进行提示。医生在收到"提示"的基础上,通过查阅通用知识库,可更加快速精准地对疑似罕见病患者做出诊断。疾病确诊后,治疗知识库和药物循证知识库可为患者提供针对性的药物和非药物治疗方案。若患者所患罕见病为慢性病,随访知识库可为其提供长期的,甚至覆盖全生命周期的健康管理计划,以助益自我健康管理和社区健康管理。预防知识库主要针对公众设立,用于加强罕见病科普宣传和健康教育。

点击查看大图
图3
9类知识库和2类模型库关联关系图
Figure 3
Association diagram of 9 kinds of rare disease knowledge databases and 2 kinds of rare disease model databases
点击查看大图
图3
9类知识库和2类模型库关联关系图
Figure 3
Association diagram of 9 kinds of rare disease knowledge databases and 2 kinds of rare disease model databases
2.4 研发罕见病智能知识服务平台

由于不同用户对罕见病知识的需求不同,罕见病智能知识服务平台以罕见病知识的收集、整理与加工为基础,为用户提供包括信息查询、文献传递、知识地图、知识查询、典型病例分析和疾病辅助诊断等在内的多种智能服务。平台的核心功能包括罕见病知识加工、罕见病知识库和模型库构建、罕见病知识检索、罕见病数据信息采集与分析和罕见病知识共享等。研发罕见病智能知识服务平台需要经过需求分析、软件工程和平台开发3个过程。在平台开发完成后,首先需开展试点应用以对平台的运行效果进行初步综合评估,在此基础上,不断对平台进行优化和完善,待平台功能成熟后再进行深度宣传与推广。

2.4.1 服务对象分析

鉴于不同类型用户在使用罕见病智能知识服务平台时关注的内容重点不同,针对罕见病患者及其家属和普通群众,重点提供罕见病知识百科、就医指南、用药指南和康复指南等;针对医生,重点提供罕见病典型案例、诊疗和鉴别方法等;针对管理者,重点提供罕见病相关决策分析报告;针对制药公司和研究机构,重点提供罕见病发病率、世界范围内罕见病研究机构和项目等信息;针对公益和慈善组织,重点提供罕见病的患者组织信息等,以助力其定期、定向开展公益和慈善活动。

2.4.2 平台主要功能

本研究设计的罕见病智能知识服务系统包括10项功能。(1)综合资讯:提供罕见病最新权威信息,如相关政策、部门动态、国内外研究进展、"孤儿药"的供应、健康热点和健康经验等。(2)知识地图:展示不同地区主要罕见病的种类、危险因素、医疗资源及某种罕见病在全世界、全国和各地区的分布。(3)信息查询:可支持查询疾病知识、权威医疗卫生机构信息、专家信息、典型病例和药物资源等。(4)智能服务:该功能是平台的建设重点,可实现疾病辅助诊断(包括症状录入、疑似疾病排序、疾病鉴别和信息推送等功能)和智能问答(包括问题输入、问题选择、实时解答和信息反馈)。在信息采集环节,该功能亦可实现罕见病智能知识服务系统与医院信息系统和电子病历系统间的互联互通,以获取所需关键数据。(5)罕见病辅助登记系统:为开放平台,所有用户可根据自身实际情况填写和登记信息。该系统基于智能诊断系统可对填写的信息进行自动初筛,对于疑似罕见病患者,系统可自动将信息递交至专家处审核。同时,对于已确诊的罕见病患者,该系统可将其登记的信息提交至国家罕见病相关系统或平台。(6)交流互动:包括医患交流、知识培训和科研交流等。(7)健康管理:包括健康监测、健康评估、健康指导、个性化的健康知识推送和健康教育处方提供等。(8)更多服务:包括专项基金、病友之家、患者组织、关爱中心、公益项目和下载专区等[15]。(9)智能检索:可支持查询信息平台中的所有信息,在将查询到的信息按重要程度或者相关程度进行排序的基础上,建立相应的关联关系。(10)友情链接:链接目前已建成的临床科研信息服务平台、罕见病数据库和罕见病疑难症会诊平台等,为用户提供更加广泛的信息交流服务。

2.4.3 应用场景举例——罕见病地图

利用平台可实现罕见病地图的自动构建、数据分析和信息查询等。通过运用罕见病智能知识服务平台采集的信息,研究者可进行单病种追踪调研。单病种追踪调研结果在经由领域专家审核的基础上,结合现有罕见病病例登记系统中的大数据和各地区卫生资源分配情况[16],可助力罕见病地图和罕见病医疗资源分布地图的绘制。同时,基于"互联网+"的优势,结合症状和疾病双重信息采集结果与医疗大数据,可进一步完善罕见病地图。罕见病地图结合时间和影响因素分析可以实现:描述疾病的地理空间分布与特征,反映疾病分布的时间变化情况,探究疾病分布变化的影响因素,预测疾病的发生发展,辅助疾病管理和卫生决策。罕见病地图还可与知识服务平台实现关联,利用地图模块也可实现疾病相关信息查询,包括罕见病概述、疾病分类、致病基因、临床项目、治疗药物、患者组织和研究中心等多种信息。

3 结语

罕见病的早期发现和科学治疗是医学界的重大难题,且罕见病带来的社会经济负担已引发全社会的关注,如何提高罕见病防控的有效性、诊疗的科学性和规范性,是科研工作者面临的巨大挑战。我国"十三五"期间针对罕见病的政策保障和科学研究开始全面提速,搭建了队列研究、注册登记平台、直报体系和诊疗协作网等一系列的国家级平台和基础设施,在罕见病的防控中发挥了卓有成效的作用。这些数据平台将提高医务人员、科研人员和管理者等对罕见病临床特点和遗传背景的认知,有助于罕见病规范化诊疗路径的制定,促进对疾病临床表现和自然演变过程的精准理解,并为疾病干预研究奠定基础[1]。罕见病智能知识服务体系的设计主要是从服务基层医疗卫生机构和患者及其家属等用户角度出发,以知识的采集、加工和转化为基础,注重利用信息平台和"互联网+"智能、便捷、高效、远程的独特优势,通过信息化手段促进优质医疗资源的传播和共享,以推进优质资源进基层医疗卫生机构和千家万户。

智能知识服务体系在提高罕见病的认知和识别水平、辅助医生对罕见病进行诊断和治疗的同时,可成为罕见病知识传播和不同类型知识受众间沟通的"桥梁",有利于增进医患交流、优化健康服务。利用智能知识服务平台中用户提供的信息,结合已有的队列研究、注册登记平台、直报体系和诊疗协作网中的数据,可直观地反映出我国的罕见病发病水平、地区分布和危险因素的分布等,并在此基础上可进一步完善罕见病地图、探索罕见病发生发展的影响因素。借助知识服务平台也可为注册用户提供个性化的健康指导,并提升卫生行政部门的管理水平和公共卫生服务水平[17],从而更好地预防和控制罕见病的发生与发展,最终提升我国罕见病的防治能力。在平台的具体开发过程中,将采用罕见病标准化的术语体系,为与现有罕见病注册登记平台、直报体系和诊疗协作网之间形成互联互通和信息共享奠定良好的基础,从而更好地发挥信息技术、人工智能等技术在罕见病防控中的作用。

利益冲突
利益冲突

本文无利益冲突。

参考文献
[1]
张抒扬赵玉沛. 罕见病学[M]. 北京人民卫生出版社2020.
[2]
冀希炜梁家彬季双敏. 罕见病治疗国内外的研究现状[J]. 中国临床药理学杂志201935(3):305-308.
[3]
SÉGOLÈNEA, SCHMIDTKEJ. Networking for rare diseases:a necessity for Europe[J]. Bundesgesundheitsbla200750(12):1477-1483. DOI:10.1007/s00103-007-0381-9.
[4]
DEWHURSTR M, MOLINARIE, SAYERJ A. Cell preservation methods and its application to studying rare disease[J]. Molecular and Cellular Probes202156(4):101694. DOI:10.1016/J.MCP.2021.101694.
[5]
贾瑾萌. 基于多组学整合与网络分析的罕见病机制研究[D]. 上海华东师范大学2019.
[6]
杨佳铭. 患者数据共享社交平台分析与设计:基于现有在线医疗平台的调研分析[J]. 中国市场201825(18):181-184.
[7]
丁若溪张蕾赵艺皓. 罕见病流行现状:一个极弱势人口的健康危机[J]. 人口与发展201824(1):72-84.
[8]
孟转转高星王岩. 糖尿病营养知识库的构建研究[J]. 实用心脑肺血管病杂志202129(4):135-140. DOI:10.12114/j.issn.1008-5971.2021.00.073.
[9]
高星王岩秦盼盼. 基于本体的糖尿病知识库构建[J]. 中华医学图书情报杂志201827(10):8-13. DOI:10.3969/j.issn.1671-3982.2018.10.002.
[10]
闵浩巍王飞姜召芸. 罕见病基因治疗的研究进展[J]. 国际药学研究杂志201744(2):123-126. DOI:10.13220/j.cnki.jipr.2017.02.007.
[11]
DABANM, LACROIXC, MICALLEFJ. Patients' organizations in rare diseases and involvement in drug information:illustrations with LMC France,the French Association of Chronic Myeloid Leukemia[J]. Therapie202075(2):221-224.
[12]
BANDAJ M, MARTINS, TINAH Bet al. Advances in electronic phenotyping:from rule-based definitions to machine learning models[J]. Annu Rev Biomed Data Sci20181(1):53-68. DOI:10.1146/annurev-biodatasci-080917-013315.
[13]
高东平方安李杨. 知识服务平台的设计与应用:以重大传染病信息知识服务平台为例[J]. 情报理论与实践201134(7):111-115. DOI:10.16353/j.cnki.1000-7490.2011.07.028.
[14]
LING N, GUOS, TANXet al. Psymukb:an integrative de novo variant knowledge base for developmental disorders[J]. Genom Proteom Bioinf201917(4):453-464. DOI:10.1016/j.gpb.2019.10.002.
[15]
SHAHIDH. A comprehensive review of orphan drugs policies procedure legislation regulation established in the United States and Australia[EB/OL]. (2017-05-11)[2021-04-01]. https://www.researchgate.net/publication/329044230_A_Comprehensive_Review_of_Orphan_Drugs_Policies_Procedure_Legislation_Regulation_Established_in_the_United_States_and_Australia.
[16]
中国信息界. 北京建立罕见病病例登记系统和患者数据库[J]. 中国信息界(e医疗)20145(10):13.
[17]
柏红梅李立康陈洁. 海南省健康教育信息平台构建及知识服务探索[J]. 情报理论与实践202043(5):198-202. DOI:10.16353/j.cnki.1000-7490.2020.05.032.
 
 
展开/关闭提纲
查看图表详情
回到顶部
放大字体
缩小字体
标签
关键词