心電圖智能診斷公共服務(wù)平臺系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

卞立攀

（山東省人工智能研究院 山東省濟(jì)南市 250014）

1 研究背景

統(tǒng)計(jì)結(jié)果顯示，全球2002 年有1670 萬人死于心血管疾病，到2030 年預(yù)計(jì)將增加到2330 萬人?！吨袊难芙】蹬c疾病報(bào)告 2019 概要》推算顯示，我國有3.3 億居民患有心血管疾病，該病的死亡率遠(yuǎn)高于其他疾病，居于首位，其中城市為43.56%，農(nóng)村為45.91%，并呈年輕化的發(fā)展趨勢。心血管疾病患者人數(shù)在未來10 年仍將快速增長，患者疾病負(fù)擔(dān)日漸加重，社會醫(yī)療資源短缺，并且隨著我國老齡化進(jìn)程的加劇，心血管疾病的發(fā)病率會越來越高。心電圖（electrocardiogram，ECG）作為記錄心臟電活動的生物電信號，是醫(yī)生進(jìn)行心臟疾病診斷的重要依據(jù)，它是一種無創(chuàng)、有效的可以觀測心律和心臟狀態(tài)的醫(yī)療工具，具有實(shí)時(shí)、快速、成本低等優(yōu)點(diǎn)，通過心電圖去發(fā)現(xiàn)人體中不規(guī)則的心律變化在心臟病學(xué)領(lǐng)域是一項(xiàng)非?；A(chǔ)的檢查方法。心電圖大致分為兩類，一類是時(shí)長較短的靜息心電圖，大多在醫(yī)院檢查后由醫(yī)生現(xiàn)場診斷，另一類是通過Holter 等心電監(jiān)測設(shè)備得到的長時(shí)間的動態(tài)心電圖，需要先記錄在設(shè)備上再交由醫(yī)生診斷。由于基層農(nóng)村醫(yī)療資源匱乏，醫(yī)生心電圖診斷能力不足，農(nóng)村居民健康保障服務(wù)體系有待完善，再加上新型冠狀病毒肺炎疫情的影響，防控形勢一度嚴(yán)峻，導(dǎo)致農(nóng)村心血管疾病患者不能及時(shí)得到救治，給患者的健康帶來了巨大的風(fēng)險(xiǎn)。

人工智能學(xué)科奠基人之一John McCarthy 提出：AI 是指讓機(jī)器的行為看起來就像是人所表現(xiàn)出的智能行為一樣。AI 是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。近年來，基于對疾病輔助診療和防治的信息化及便捷化的極大需求，研究者們逐漸將AI 的應(yīng)用聚焦于醫(yī)學(xué)領(lǐng)域。傳統(tǒng)的心電異常檢測方法大多基于專家知識人工設(shè)計(jì)和提取特征，且需要專業(yè)人士設(shè)計(jì)心電特征才能進(jìn)行下一步的分類任務(wù)，對于心電圖來說，設(shè)計(jì)的特征是完全基于人類當(dāng)前對已有的心電圖的認(rèn)知來進(jìn)行設(shè)計(jì)的，這些特征或許很有代表性，卻難以覆蓋心電圖的全部特征。AI 使心電圖分類更加詳細(xì)，實(shí)現(xiàn)心電圖的自動識別，就可以使用便攜式心電監(jiān)測設(shè)備實(shí)時(shí)監(jiān)測與診斷，為患者提供疾病的初診斷，以分辨疾病的輕重緩急，從而采取不同的處理方法。

集成心電智能診斷模型的心電圖智能診斷系統(tǒng)是基于AI 的應(yīng)用解決上述難題的有效途徑，本文重點(diǎn)研究心電圖智能診斷公共服務(wù)平臺的系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)，提出了一種公共服務(wù)平臺用于心電圖智能診斷，該平臺可以分別為心電終端、心電APP 和心血管疾病隨訪平臺提供心電智能診斷服務(wù)，在該平臺上，患者可以隨時(shí)查看自己的心電智能診斷結(jié)果，實(shí)現(xiàn)實(shí)時(shí)在線健康管理并對急重癥及時(shí)采取相應(yīng)措施，這不僅能緩解基層農(nóng)村醫(yī)療資源緊張的壓力，而且有助于建立健全的農(nóng)村居民健康保障體系，對及時(shí)發(fā)現(xiàn)與治療心血管疾病、降低該病的死亡率也具有重要作用。

2 心電圖智能診斷公共服務(wù)平臺的設(shè)計(jì)與研發(fā)

2.1 系統(tǒng)總體架構(gòu)

平臺的總體架構(gòu)分為基礎(chǔ)設(shè)施層、平臺服務(wù)層和軟件服務(wù)層3 部分，分別實(shí)現(xiàn)基礎(chǔ)硬件支撐、數(shù)據(jù)和技術(shù)支撐、模塊調(diào)用接口和平臺落地應(yīng)用，如圖1 所示。

圖1： 心電圖智能診斷平臺總體架構(gòu)

2.2 基礎(chǔ)設(shè)施層

硬件是軟件平臺的必要載體,軟件是硬件的基礎(chǔ)，二者密不可分，該平臺依托云計(jì)算平臺建設(shè)，將計(jì)算、存儲及網(wǎng)絡(luò)資源相結(jié)合，包括應(yīng)用服務(wù)器、業(yè)務(wù)數(shù)據(jù)庫和大數(shù)據(jù)計(jì)算集群三部分，如圖2 所示，詳細(xì)展示了其硬件部署架構(gòu)圖，平臺采用云服務(wù)技術(shù)實(shí)現(xiàn)2000 個(gè)心電智能診斷服務(wù)并發(fā)；通過智能分析算法使心電圖數(shù)據(jù)智能診斷延遲<1s；服務(wù)器配置有MySQL 數(shù)據(jù)庫，業(yè)務(wù)數(shù)據(jù)庫與其實(shí)現(xiàn)主從同步；應(yīng)用服務(wù)器采用雙機(jī)熱備份，以達(dá)到負(fù)載均衡、高速緩存。

圖2： 硬件部署架構(gòu)圖

2.3 平臺服務(wù)層

平臺服務(wù)層，是以技術(shù)支撐為前提，以數(shù)據(jù)支撐為基礎(chǔ)，為軟件服務(wù)層提供必要條件。

2.3.1 技術(shù)支撐本系統(tǒng)基于云計(jì)算平臺，搭建開發(fā)所需要的關(guān)鍵應(yīng)用技術(shù)。需要的關(guān)鍵技術(shù)有：并行計(jì)算、深度學(xué)習(xí)、大數(shù)據(jù)存儲（Hadoop 等）、大數(shù)據(jù)計(jì)算（MapReduce 等）等技術(shù)。需要在虛擬機(jī)上搭建JDK、MySQL 等所需的基礎(chǔ)環(huán)境平臺。搭建基于TensorFlow/Caffe 的深度學(xué)習(xí)環(huán)境，主要用于實(shí)現(xiàn)對心電圖智能診斷模型的調(diào)用管理。搭建基于MapReduce、Hive、Spark 等大數(shù)據(jù)計(jì)算、并行計(jì)算平臺，主要用于實(shí)現(xiàn)心電大數(shù)據(jù)的并行歸一化處理、心電診斷模型并行調(diào)用、心電診斷結(jié)果實(shí)時(shí)返回。搭建基于Hbase、Hive、HDFS 的大數(shù)據(jù)存儲平臺，用于高效存儲心電大數(shù)據(jù)，并開展個(gè)人和群體心電圖健康狀態(tài)分析。

2.3.2 數(shù)據(jù)支撐

數(shù)據(jù)層是系統(tǒng)的一個(gè)核心組成部分，相當(dāng)于電腦的記憶細(xì)胞，為系統(tǒng)的智能診斷提供基礎(chǔ)。平臺如果要達(dá)到高效管理大規(guī)模用戶心電數(shù)據(jù)的目的，就要做到心電原始數(shù)據(jù)的存儲和讀取。我們利用Hbase 的非結(jié)構(gòu)化存儲實(shí)現(xiàn)非結(jié)構(gòu)化心電數(shù)據(jù)庫設(shè)計(jì)，同時(shí)完成心電數(shù)據(jù)庫初始化，以建設(shè)心電數(shù)據(jù)庫。除此之外，本系統(tǒng)還需建設(shè)心電樣本庫，我們先從30 萬張心電圖中初步篩選出室性早搏、三度房室傳導(dǎo)阻滯心電圖，聯(lián)合心內(nèi)科有經(jīng)驗(yàn)的專家，開展室性早搏、三度房室傳導(dǎo)阻滯心電圖精準(zhǔn)標(biāo)注，并建成室性早搏、三度房室傳導(dǎo)阻滯典型心電圖樣本庫，后續(xù)開展更多典型的心電圖樣本庫建設(shè)，逐步完成典型心電圖（室性早搏、三度房室傳導(dǎo)阻滯等）樣本庫建設(shè)，并用來進(jìn)行典型心電圖智能診斷模型的訓(xùn)練。

近年來，基于深度學(xué)習(xí)的心電分類方法受到了越來越多的關(guān)注，并在多個(gè)任務(wù)上取得了和傳統(tǒng)方法相近或更好的精度，甚至在具有大量樣本時(shí)能達(dá)到醫(yī)生的平均診斷水平。本系統(tǒng)為實(shí)現(xiàn)心電智能診斷模型的管理以及對心血管疾病的智能診斷，需建設(shè)心電智能診斷模型庫。我們先搭建心電智能診斷模型庫的基礎(chǔ)存儲服務(wù)，然后將訓(xùn)練完成后的心電圖智能診斷模型持久化保存，形成模型文件（meta、ckpt、checkpoint），最后將該文件保存到HDFS，從而建立模型庫。如果要支撐平臺運(yùn)行，并對數(shù)據(jù)庫、樣本庫及模型庫進(jìn)行管理，建設(shè)用戶信息、用戶行為、接口管理等平臺業(yè)務(wù)數(shù)據(jù)庫必不可少。我們采用相關(guān)技術(shù)建設(shè)了心電樣本、心電模型及心電數(shù)據(jù)管理的數(shù)據(jù)庫，建設(shè)了用戶信息及用戶行為相關(guān)的數(shù)據(jù)庫、還建設(shè)了平臺系統(tǒng)管理功能相關(guān)的數(shù)據(jù)庫，逐步完善平臺業(yè)務(wù)數(shù)據(jù)庫。

2.4 軟件服務(wù)層

在基礎(chǔ)設(shè)施層及平臺服務(wù)層的支撐下，軟件服務(wù)層開發(fā)了五個(gè)服務(wù)模塊及多個(gè)應(yīng)用接口，以完成平臺的落地應(yīng)用，實(shí)現(xiàn)心電圖的智能診斷。

2.4.1 服務(wù)模塊

該平臺分為心電圖智能診斷、樣本庫調(diào)用、平臺監(jiān)控與計(jì)費(fèi)、模型庫管理及平臺系統(tǒng)管理五個(gè)模塊，如圖3 所示。

圖3： 平臺層架構(gòu)

本系統(tǒng)構(gòu)建心電智能診斷對外服務(wù)模塊、心電圖加/解密模塊、心電圖解/壓縮模塊、心電數(shù)據(jù)存儲與備份模塊、心電智能診斷模型庫調(diào)用模塊、心電智能診斷結(jié)果推送模塊、心血管疾病分類管理模塊等，開發(fā)心電智能診斷接口，輸入心電圖編碼數(shù)據(jù)，輸出智能診斷的結(jié)果，用于自有平臺，以及對外提供有償診斷服務(wù)。樣本庫調(diào)用模塊具體包括心電樣本庫類型管理模塊、心電樣本庫管理模塊、樣本庫樣本管理模塊、心電樣本庫調(diào)用模塊、心電樣本庫導(dǎo)入及導(dǎo)出模塊、心電樣本庫統(tǒng)計(jì)模塊等，用于對外部提供心電訓(xùn)練樣本服務(wù)，并進(jìn)行模型訓(xùn)練。平臺監(jiān)控與計(jì)費(fèi)模塊，主要用于監(jiān)控平臺的運(yùn)行狀態(tài)，采集接口調(diào)用記錄，分析調(diào)用日志，按調(diào)用次數(shù)進(jìn)行計(jì)費(fèi)等。為此，我們開發(fā)了角色權(quán)限校驗(yàn)、審計(jì)、平臺監(jiān)控、計(jì)費(fèi)及統(tǒng)計(jì)分析等模塊。

模型庫管理模塊主要用于實(shí)現(xiàn)智能模型的新增、刪除等管理，大致包括心電智能診斷模型加載、啟用、停用、注冊、刪除、分類及評價(jià)等模塊。模型管理框架如圖4 所示，模型注冊時(shí)生成模型ID，通過兩層封裝和模型ID 實(shí)現(xiàn)多模型的統(tǒng)一調(diào)用，并在模型管理器中對結(jié)果進(jìn)行處理，實(shí)現(xiàn)具體分類。平臺系統(tǒng)管理模塊主要用于平臺用戶、角色、菜單、權(quán)限等方面管理及業(yè)務(wù)統(tǒng)計(jì)分析，支撐平臺基礎(chǔ)業(yè)務(wù)。本系統(tǒng)通過開發(fā)用戶管理、業(yè)務(wù)分析及費(fèi)用管理模塊，用于完成用戶注冊、登錄、注銷等業(yè)務(wù)，可實(shí)現(xiàn)用戶行為統(tǒng)計(jì)及充值、扣費(fèi)等管理。

圖4： 模型管理框架

2.4.2 應(yīng)用接口

本平臺將心電圖智能分類理論研究成果整合，打造便捷、精準(zhǔn)的心電智能診斷服務(wù)，結(jié)合心電圖機(jī)、心電APP，開展實(shí)時(shí)心電監(jiān)測服務(wù)，與心血管疾病智能診療系統(tǒng)、心血管慢病智能管理系統(tǒng)相結(jié)合，開展患者實(shí)時(shí)在線健康管理服務(wù)。

針對可以獨(dú)立聯(lián)網(wǎng)的心電圖機(jī)，通過采集心電圖機(jī)數(shù)據(jù)，完成心電圖數(shù)據(jù)歸一化處理，將心電圖數(shù)據(jù)上傳診斷平臺，實(shí)現(xiàn)心電圖智能診斷接口調(diào)用，完成心電圖智能診斷模型，使心電圖診斷結(jié)果實(shí)時(shí)返回心電圖機(jī)，來調(diào)用平臺心電圖智能診斷服務(wù)，最終達(dá)到心電圖機(jī)智能化的目的。針對有藍(lán)牙無Wi-Fi 功能的心電圖機(jī)，借助手機(jī)APP，通過心電智能診斷模型調(diào)用接口，上傳心電數(shù)據(jù)，通過心電圖數(shù)據(jù)處理模塊及心電智能診斷模型，接收心電圖智能診斷結(jié)果，使結(jié)果返回心電APP，實(shí)現(xiàn)便攜式、穿戴式心電圖機(jī)的實(shí)時(shí)在線監(jiān)測。針對心血管疾病隨訪平臺、心血管疾病智能診斷平臺等，心電圖診斷結(jié)果返回心血管疾病平臺后，通過心電圖智能診斷接口，根據(jù)患者心電圖監(jiān)測數(shù)據(jù)，為平臺反饋患者心電圖健康信息，實(shí)現(xiàn)心血管疾病服務(wù)平臺健康監(jiān)測的智能化。

3 結(jié)語

本文運(yùn)用人工智能、物聯(lián)網(wǎng)、云計(jì)算等技術(shù)，通過整合心電圖智能分類理論研究成果，結(jié)合心電圖機(jī)、心電APP、心血管疾病智能診療系統(tǒng)、心血管慢病智能管理系統(tǒng)，完成了心電圖智能診斷平臺整體功能架構(gòu)設(shè)計(jì)及搭建；建成了心電智能診斷模型庫，實(shí)現(xiàn)了模型的注冊、查詢、詳情、調(diào)用等方面的管理；建成了心電圖標(biāo)注模塊，實(shí)現(xiàn)了心電圖分類檢索、疾病標(biāo)注和標(biāo)注管理等功能。為解決基層農(nóng)村“看病難、看病貴”的問題提供了新思路，為形成“大病不出縣、康復(fù)在基層”分級診療就醫(yī)新格局邁出了一大步，很好的推動了醫(yī)療大數(shù)據(jù)的應(yīng)用。我們相信，未來，隨著人工智能、物聯(lián)網(wǎng)等新技術(shù)的發(fā)展，便捷式和疾病管理將是醫(yī)療信息檢測設(shè)備的長遠(yuǎn)發(fā)展方向，也將在基層農(nóng)村的臨床治療、疾病管理、健康監(jiān)測等方面發(fā)揮更大的作用。我們需進(jìn)一步加強(qiáng)交叉學(xué)科合作,以滿足臨床重大需求為牽引,實(shí)現(xiàn)核心技術(shù)突破,最終達(dá)到服務(wù)臨床的目標(biāo)。