造血干细胞移植术后随访系统的设计与数据可视化实现

吴梦，李泽钰，谢羽雯，陈丽韵，田孝鹏，朱文娟

1.上海杉达学院 信息科学与技术学院，上海 201209；2.苏州大学附属第一医院 血液科，江苏 苏州 215006；3.江苏省血液研究所，江苏 苏州 215006；4.国家血液系统疾病临床医学研究中心，江苏 苏州 215006

引言

随着国家《“健康中国2030”规划纲要》的逐步落地[1]，国家卫健委、国家中医药管理局所印发的《互联网诊疗管理办法（试行）》《互联网医院管理办法（试行）》等[2]监管规定的逐步实施，“互联网+医疗”模式逐步被纳入政府监管并逐渐成为一种新型医疗服务业态。随访信息系统的建设和应用作为“互联网+医疗”的重要组成部分，是患者从诊疗到预后再到康复的整个过程的信息传输纽带，发挥了促进医患沟通的积极作用[3]。造血干细胞移植（Hematopoietic Stem Cell Transplantation，HSCT）作为一种治疗恶性血液病的手段已日趋成熟，但移植术后早期感染是其常见并发症，已成为HSCT患者死亡的主要原因之一[4]，由于HSCT术后需要关注的因素相比于其他疾病更加复杂，且治疗周期、用药周期以及康复周期均更长，因此传统的电话随访、信件随访等方式缺乏实时性、系统性和可监督性，不仅随访效率低，且数据管理较为不便[5]。针对这一类型患者开发专用的随访系统可以弥补传统通用型随访系统的诸多缺点，实现以数据管理为中心的智能化随访和数据可视化服务，服务医院临床诊疗。同时，该系统运用信息化手段支撑开展临床科研创新，是医院信息化的重要内容。

1 系统需求分析

在国内针对医院随访系统的设计与应用，近年来有多个方案被提出[6-11]。在整体方案上，叶晨等[6]提出了智能化患者随访管理系统方案；曾霞等[7]提出了“互联网+随访应用系统”方案；刘亚宁[8]提出了面向医疗的随访系统这一通用型解决方案。在技术方案上，胡名坚等[9]提出了以Web技术为基础的Java EE方案；邢鲁民等[10]采用了轻量级Java集成Spring、Spring MVC结合Spring Data的开发框架；陈洞天等[11]则提出了基于SPA技术的网络随访系统。

由于本系统所管理的数据为临床诊疗和临床科研所需，且具有一定的特殊性，所以在需求分析阶段需要贴合并兼顾二者需求，从特殊的使用与应用场景出发，设计并实现数据标准化、系统智能化、平台多元化的HSCT术后专用随访系统。

1.1 随访数据管理及可视化需求

HSCT患者术后临床随访基础数据主要包括基本信息、移植类随访信息和生存信息3个主要部分。基本信息与通用随访系统类似；移植类随访信息则是针对HSCT患者特殊设计；生存信息模块则为本系统的新增需求，原因是HSCT患者病情复杂多样，生存状态需实时更新。综上，临床类随访数据具体分为患者基本信息、初诊分型、移植信息、植入信息、感染情况、移植抗宿主病信息等模块。

对于数据可视化部分，针对随访数据库中的数据，对基本病例特征、诊断数据加以统计和分析，实现生存曲线、柱状图或直方图等多类型、多维度的可视化展示。此外，对HSCT患者的治疗周期、移植周期、感染情况、移植物抗宿主病等方面进行长期观测和图形化展示，以研究为目的，促进此类疾病诊疗水平的提高。

1.2 系统功能需求

为满足以上随访数据管理和可视化需求，本系统平台包括如下主要功能：系统管理（用户的录入、编辑与权限管理等）、随访信息管理（随访信息的添加、删除与修改等）和数据可视化管理（生成、组合可视化效果图等）。系统使用者则分为系统管理员、临床医生、科研人员和患者4类。系统管理员主要负责系统的人员管理与权限控制；临床医生主要使用随访信息系统进行增、删、改、查等操作，此外，由于医生有门诊和住院两个工作环境，系统需要提供客户端和网页端两种访问方式；数据可视化模块为医生和科研人员提供相关可视化信息服务；患者可以登录系统查看自己的随访信息。整个系统的用例图如图1所示。

图1 随访系统UML用例图

2 系统构架与设计

C/S和B/S是当前各类信息系统建设中使用较为广泛的模式，采用C/S和B/S模式相结合的系统构架，可以充分发挥系统的优越性[12]。此模式在社区远程健康辅助平台[13]上已有成功应用。根据需求分析的结果，结合本随访系统的实际使用场景，整个系统设计一个数据库管理模块，选用基于Windows Server 2012 R2操作系统+SQL Server 2014的数据库方案，随访信息管理子系统使用基于微软.NET平台的C/S与B/S混合模式，数据可视化系统采用基于Python的网页模式。总体构架如图2所示。

图2 随访系统总构架图

2.1 随访信息系统的设计

由于此随访系统需混合使用客户端和网页端两种模式，所以在系统构架设计上采用了基于同一数据库系统的B/S与C/S混合模式。C/S端使用Windows Form App开发，基于.NET Core平台并且使用Entity Framework这一高效关系映射器（O/RM）[14]；B/S端则采用最新的基于ASP.NET Core技术和WebAssembly部署的Blazor技术[15]，此项技术可使用.NET生成交互式客户端WebUI框架[16]，在服务器端与客户端之间共享应用逻辑，且支持移动浏览器在内的多种浏览器。

在功能上WinForm客户端稳定性较强，承担随访数据的增、删、改、查全部功能和系统管理员相关功能的实现。基于Blazor的网页端，则主要负责数据的查询工作，后期逐步扩展其他功能。系统设计图如图3所示。

图3 随访信息系统设计

2.2 数据可视化系统的设计

数据可视化系统的数据源来自随访信息系统，所以使用同一个SQL Server数据库。根据随访数据，使用NumPy和Pandas库先进行数据预处理，然后使用Matlibplot和Pyecharts库[17]进行数据可视化图形的绘制，实现临床和科研所需的生存曲线图、柱状统计图等图形。数据可视化系统采用组件模式，可以灵活增加或减少可视化图形的种类，展示形式采用网页模式，使用了Django基础架构，并利用原生前端开发工具和Bootstrap前端框架来进行前端页面的搭建，支持PC端和移动端设备。数据可视化系统设计流程如图4所示。

图4 数据可视化系统设计

3 系统功能实现

3.1 随访病例资料选取

随访病例选取某医院34例进行HSCT的患者资料作为系统原始数据。患者基本信息从相关系统中获取，具体的随访信息由临床医生进入系统填写。

3.2 随访信息系统实现

随访信息系统主要实现了两大模块：系统管理模块（用户登录、添加用户、修改用户、权限管理、修改密码等）和随访信息管理模块（查询、添加、删除、修改、刷新等）。随访信息系统主界面如图5所示，系统管理模块与通用型随访信息系统相似，实现用户管理的相关功能。主界面左侧可列出系统随访信息，右侧则根据选中的信息条目列出随访信息概要。界面上方有简易的查找功能，可以通过姓名、年龄和性别进行查找，支持模糊查询。

图5 随访信息系统主界面

随访信息系统患者信息添加和修改界面为系统独立子窗口，主要包括HSCT患者相关专有随访数据，分为以下几个部分：① 患者基本信息：编号、姓名、性别、年龄；② 患者初诊MICM分型信息：初诊时间、骨髓形态、免疫分型、染色体、融合基因、基因突变等信息和指标；③ 移植前基本信息：化疗方案、病程、移植前状态；④ 移植基本信息：移植时间、移植方式、供体信息、预处理方式、移植物（脐血、骨髓、外周干）；⑤ 植入信息：中性粒植入时间、血小板植入时间；⑥ 感染信息：巨细胞病毒（Cytomegalovirus，CMV）、EB病毒（Epstein-Barr Virus，EBV）、结核（Tuberculosis，TB）、乙型肝炎病毒（Hepatitis B Virus，HBV）、时间；⑦ 移植抗宿主病：时间、累及器官、分级、治疗、转归。具体添加和修改患者信息的展示界面如图6所示。

图6 随访信息系统患者信息添加和修改界面

基于Blazor开发的网页端，支持多平台与多终端，可在移动手持设备、PC设备使用不同浏览器查询随访信息数据，支持通过患者姓名或编号进行模糊查询，有基本的添加和修改功能，有利于临床医生在查房、患者复查等环节随时随地使用本随访系统进行随访数据管理；同样，患者也可以通过登录本系统，查看自己的随访信息。基于Blazor的网页形式数据查询界面如图7所示。

图7 基于Blazor的随访信息系统展示界面

3.3 数据可视化系统实现

数据可视化系统平台主要从患者整体样本上进行数据统计、数据挖掘，并呈现出可视化图形，每次加载并刷新实时的数据进行计算和绘图。本系统实现了以下3个主要的可视化功能模块。

（1）疾病类型统计图：此图为常规柱状图，统计随访信息管理系统中不同种类免疫分型[急性髓细胞白血病（Acute Myelogenous Leukemia，AML）、急性淋巴细胞白血病（Acute Lymphoblastic Leukemia，ALL）、骨髓增生异常综合征（Myelodysplastic Syndrome，MDS）、慢性髓细胞性白血病（Chronic Myelogenous Leukemia，CML）、非霍奇金淋巴瘤（Non-Hodgkin Lymphoma，NHL）]的数量，柱状图与统计表中标注各类型病例数。临床医生和科研人员可以通过此图观察不同疾病之间的比例情况。

（2）死亡-复发时间图：此图基于横向堆叠型柱状图，有“缓解中”“复发”和“死亡”3种状态，通过此图可以较为清晰地观察所有患者的整体康复情况。统计表中显示具体的数据。

（3）生存曲线图：在临床数据的研究中，生存曲线是常用图片之一，用以描述各组患者不同的生存状况。本系统可以绘制标准的生存曲线图，以生存比例作为纵坐标，生存时间作为横坐标，实时绘制生存曲线。本研究选取AML和ALL两组数据进行自动绘图并生成中位生存时间、3年总生存期（Overall Survival，OS）率等统计数据对比表格。

基于网页形式的数据可视化展示如图8所示。

图8 随访信息数据可视化平台

4 应用效果

系统中34例HSCT术后随访患者为2012—2016年接受HSCT治疗的血液病患者，年龄3～43岁，平均年龄（25.20±8.72）岁。通过随访信息数据可视化平台智能生成的疾病类型统计图/表、死亡-复发时间图/表、生存曲线图/表，可以实时查看其相关统计数据的结果：① AML 14例，ALL 13例，其他7例；② AML组与ALL组的中位生存时间分别是7.5和8.1个月，患者的3年OS率分别为69%和63%；③ 每例患者的死亡-复发具体信息以及样本总体趋势。

随机选取HSCT术后随访系统上线前、后各25例患者作为研究对象，将系统上线前就诊患者的问诊与Excel表格手动录入随访数据的时间设为对照组，系统上线后就诊患者的问诊与系统在线录入随访数据的时间设为观察组。同时，针对本随访系统上线前的Excel+SPSS绘图模式与上线后的系统自动生成模式所使用时间的不同做了比较。采用SPSS 25.0软件进行统计分析，使用两独立样本t检验，以P＜0.05为差异有统计学意义。如表1所示，观察组的问诊与录入信息平均时间、数据可视化完成平均时间两项指标均显著高于对照组（P＜0.05）。

表1 系统上线前后随访工作完成时间比较（n=25）

5 讨论与总结

通过查阅近年来国内外HSCT相关研究报道发现，原始数据加专用统计软件仍然是目前主流的分析模式，王园园等[18]、付春梅等[19]和明茜等[20]的研究均使用SPSS软件进行统计分析。Isfan等[21]使用了STATA统计软件，Giménez等[22]使用了R-software统计软件。随着本研究HSCT术后随访系统的应用，改变了原先随访数据维护依赖于原始纸质表格或Excel等电子表格的工作模式，利用客户端和网页端两种方式管理随访数据，查询、添加、删除和修改数据的速度、效率和准确度，相较于旧工作模式均有大幅度提升。随访系统的数据可视化平台则改变了使用SPSS或STATA等统计软件进行数据分析、处理与绘图的工作模式，通用的常规类型图片和表格可在平台中一键智能生成，大幅提高了科研工作的效率。此外，可视化平台采用组件模式，具有良好的可扩展性，未来可以根据实际需求添加各类型图表。

本系统为初始试运行版本，存在以下的不足和有待改进之处：① 与医院主要信息系统的数据库关联程度不够，例如，尚未与医院HIS、门诊系统、挂号系统关联有关患者的基本信息；② 随访数据的统计信息和指标有待进一步完善；③ 如何进一步利用随访数据，开发辅助诊断等功能。

未来，基于本研究初步的研究成果，可针对HSCT与血液系统专病诊疗全流程构建基于大数据技术和区块链技术的应用解决方案，建设多维度、多视角、全周期的HSCT全流程数据管理方案，以满足临床和科研需求，进而推动未来智能医疗领域的高质量发展。