5G+AI輔助決策移動心電監護系統的設計

高 標

（安徽醫科大學附屬安慶第一人民醫院，安徽 安慶 246000）

隨著醫療信息化水平不斷提高，信息化建設的完善對實現“健康中國 2030”具有重要作用。在醫院的信息化建設中，心電圖的全程數字化管理是醫院建立完整電子病歷管理的必要組成部分，從單機心電工作站打印紙質心電報告到全院心電網絡的普及，目前患者已無須單獨去心電圖室即可在床邊完成心電檢查，真正踐行了“信息多跑路，患者少跑腿”的理念[1]。但現有無線Wi-Fi 組網的心電網絡難以克服帶寬低、延遲高且穩定性差等缺點。由于心電圖診斷在臨床診療中非常重要且患者多、工作量大，增加了心電診斷工作壓力和診斷失誤率，因此建立一個基于穩定網絡環境，并具備高帶寬、低時延以及人工智能輔助決策的心電監護系統十分必要。5G 不僅是4G 網絡的一個簡單延伸，還是一個真正意義上的融合網絡。將5G 網絡應用于醫院臨床信息化系統建設，能有效提高診斷效率、減少看病花費的時間[2]?；诖?，在“5G+人工智能+全院心電”的新模式下，一種智能化、高效化且有AI 輔助決策的全院心電網絡才能面向未來，滿足人民健康的發展需求。

1 需求分析

傳統的心電檢查需要患者單獨前往心電圖室取號、排隊、做檢查、等報告等，給特殊、行動不便和急診患者帶來極大不便。由于傳統心電圖機單機無法接入醫院信息系統，心電信息孤島給臨床診療帶來了阻礙，增加了患者就診時間，加大了臨床診療成本，并且也無數字輸出接口，只能采用掃描的方式將心電圖波形以圖片的方式保存，無法實現全院調閱。因此需要更智能的數據傳輸方式來提升數據傳輸效率，以便在心電業務信息化管理平臺上進行網上申請、預約和登記，滿足實時在線診斷、網上傳輸報告以及遠程會診、示教等需求。同時還需要解決長期以來困擾醫院心電圖資料無法有效保存的難題，實現數據的集中存儲和統一管理[3]。因此，面向醫院可持續發展的智能化、數字化、輕便化且可靠的全院心電監護系統是必不可少的。

2 系統設計與實現

2.1 5G-Advanced 超級時頻折疊技術

醫院病房環境中的醫療器械多、物理阻斷多，會影響本文構建的5G+心電系統/網絡承載/“5G 無線接入網+傳輸網+核心網”環節中的“5G 無線接入網”性能[4]。頻分雙工（FDD）具備超低時延和全時上、下行優勢，時分雙工（TDD）具備超高帶寬和連續頻譜優勢。但是FDD 帶寬相對較小，頻譜也是分離的，TDD 雖然具備超高帶寬，但時延卻達不到業務環境要求。

本文構建的超低時延、超高帶寬的5G 網絡+移動心電系統運用超級時頻折疊技術，解決了5G無線接入網絡空口環境復雜、TDD/FDD 時延和帶寬各有局限等因素導致的網絡性能不足問題。集中了TDD 和FDD 的優勢，具有超高帶寬、超低時延、高可靠和大上行能力。在實際運用中，與傳統5G 無線接入相比，本文系統運用的5G-Advanced超級時頻折疊技術可將上行體驗提高到1Gbit/s 以上，時延降至4ms 以內，可靠性也得到了提高。

2.2 BP 神經網絡算法在心電監護輔助決策方面的應用

本文系統將BP 神經網絡（Back Propagation）應用于心電輔助診斷中。BP 神經網絡具有很強的自主學習能力，其原理是模擬人類神經元傳輸、存儲和處理信息的過程，是一種智能化、具有自主學習能力的信息處理方法。BP 神經網絡的自主學習是一個輸出誤差并反向傳播修正權值的過程。從本質上看，BP 神經網絡是一種反向傳播修正權值、多次訓練的多層前饋網絡，可以通過訓練和學習過程來修改網絡的連接權值，使輸入和預想輸出達到收斂狀態。神經元模型如圖1所示。

圖1 神經元模型

當一組標準化后的心電數據學習樣本從輸入層輸入網絡后，神經元的激活值開始從輸入層經隱含層向輸出層傳遞，各神經元在輸出層獲得輸入響應。然后根據減少目標，反向從輸出層經隱含層再到輸入層，一層一層修正權值，正是這種反向誤差不停地進行修正，使網絡對輸入模式響應的正確率不斷提高。BP 神經絡訓練示意圖如圖2所示。

圖2 BP 神經網絡訓練示意圖

最后，實現向模型隨機輸入一組心電監護數據后均能輸出準確診斷的目標，以輔助臨床決策。

BP 神經網絡算法在輔助決策方面的優勢如下。1）神經網絡具有容錯處理能力。醫院網絡環境復雜，核醫學、加強CT 和鍋爐房等科室產生的噪聲對信息傳輸的完整性有較大影響，在傳輸過程中經常出現信息失真、丟失不完整的情況。而BP 神經網絡只需部分信息特征，便可通過訓練輸出準確的心電診斷類型。2）BP 神經網絡具有較強的自主學習能力。經過大量心電檢測數據訓練的神經網絡模型不但可以迅速、準確地做出識別并輔助臨床診斷進行決策，而且不斷地進行訓練學習后，基于BP 神經網絡的輔助決策心電監測系統會越用越智能[6]。3）神經網絡具有極高的執行效率。BP 神經網絡的計算和數據的存儲是統一的整體，各神經元間的工作方式本質上就是權值的傳遞過程，權值傳遞的同時即完成了信息存儲。

2.3 系統構建

本文系統針對安慶某醫院一地三院區的特殊情況，在網絡承載部分設計了“5G 無線接入網+傳輸網+核心網”的模式，通過5G-Advanced 無線設備將門診、急診、病房的心電檢查移動終端進行5G 接入。心電檢查移動終端輕便可移動，不受地理因素影響，如圖3所示。該系統設計采用Android 12 平臺，具備開放性好、穩定性好及后期維護成本低的優點，通過院內5G 傳輸網，將3 個院區的心電監護數據整合到同一平臺。門診、急診和住院心電檢查等數據傳送至院內心電中心服務器，可通過數據接口與醫院HIS 信息系統、CIS 醫生站、EMR 系統等信息進行雙向交互，實時獲取患者基本信息、醫囑信息以及心電報告的發布和歸檔，解決心電類檢查的信息孤島問題。同時可優化院內、外業務流程，與院內心電診斷中心互聯，實時獲取、診斷并發布患者心電數據。系統設計方案如圖4所示。

圖3 心電檢查移動終端

圖4 基于5G 網絡的AI 輔助決策移動心電監護系統設計方案示意圖

全院3 個院區心電網絡系統依托底層服務器架構，數據庫設計采用的SQL Server 數據庫與Windows平臺具有更好的兼容性，數據安全部分采用雙機熱備容災處理，存儲部分采用NATAPP 方案。本文系統與院內HIS信息系統、CIS 系統、PACS 系統和排隊分診叫號等系統對接，可實時獲取患者遺囑及門診處方信息，將心電數據轉換成HL-aECG、SCP、MFER 標準數據，對其進行導聯糾錯、阿托品試驗和多圖重組等處理，然后通過數據接口與院內醫療系統進行對接，使院內心電診斷中心與中心服務器可進行數據交換，可實現發布患者心電診療診斷報告、數據存儲、調閱與共享、信息獲取、心電檢查、心電處理以及數據統計等功能[7]。系統技術架構示意圖如圖5所示。

圖5 技術架構示意圖

3 應用效果

安慶某醫院床邊移動心電監護系統自2022年12月上線以來，采用5G 網絡傳輸，依托5G 網絡優勢實現了患者基本信息/醫囑信息獲取/心電圖數據發送、信息歸檔以及報告發布功能，與傳統無線路由組相比，網絡穩定性、網故障率顯著減少，故障保修情況見表1。同比2022年，2023年1月—3月網絡問題（包括斷網、卡頓、信號差和網速慢等）報修平均減少115.4%，如圖6所示。

表1 故障保修數（件）

圖6 故障報修

與2022年同期比較，2023年1月—3月門診和體檢患者的處方開具和心電報告發布完成的數據顯示，患者心電檢查平均用時（見表2）比傳統心電檢查平均用時減少26.7min，如圖7所示。

表2 患者心電檢查用時（min）

圖7 患者心電檢查用時

基于AI 人工智能輔助決策算法的心電網絡依托神經網絡算法高效、準確的優勢，使工作人員只需審核、發布心電報告并處理異常報警心電檢查數據，平均每小時診斷人次見表3。與心電檢查人工核對信息、書寫報告、審核報告、發布報告、歸檔報告等傳統流程相比，工作效率同比提高67.1%，如圖8所示。

表3 醫生平均診斷人次（人/h）

圖8 診斷效率

4 結論

依托5G-Advanced 超級時頻折疊技術超低時延、超高帶寬的優勢，同時借助BP 神經網絡算法較強的自主學習能力、極高的執行效率，基于5G+AI 輔助決策的移動心電監護系統提供了高效、智能的全院心電解決方案，解決了傳統方案無法長期保存，只能采用掃描以圖片保存的難題，實現了多院區心電數據的集中儲存和統一管理，方便醫生比較歷史心電圖數據，更好地觀察病情，提升醫療水平的同時降低了心電系統故障報修率，減少了患者排隊等待時間，提高了診療效率。