5G+AI辅助决策移动心电监护系统的设计

高 标

（安徽医科大学附属安庆第一人民医院，安徽 安庆 246000）

随着医疗信息化水平不断提高，信息化建设的完善对实现“健康中国 2030”具有重要作用。在医院的信息化建设中，心电图的全程数字化管理是医院建立完整电子病历管理的必要组成部分，从单机心电工作站打印纸质心电报告到全院心电网络的普及，目前患者已无须单独去心电图室即可在床边完成心电检查，真正践行了“信息多跑路，患者少跑腿”的理念[1]。但现有无线Wi-Fi 组网的心电网络难以克服带宽低、延迟高且稳定性差等缺点。由于心电图诊断在临床诊疗中非常重要且患者多、工作量大，增加了心电诊断工作压力和诊断失误率，因此建立一个基于稳定网络环境，并具备高带宽、低时延以及人工智能辅助决策的心电监护系统十分必要。5G 不仅是4G 网络的一个简单延伸，还是一个真正意义上的融合网络。将5G 网络应用于医院临床信息化系统建设，能有效提高诊断效率、减少看病花费的时间[2]。基于此，在“5G+人工智能+全院心电”的新模式下，一种智能化、高效化且有AI 辅助决策的全院心电网络才能面向未来，满足人民健康的发展需求。

1 需求分析

传统的心电检查需要患者单独前往心电图室取号、排队、做检查、等报告等，给特殊、行动不便和急诊患者带来极大不便。由于传统心电图机单机无法接入医院信息系统，心电信息孤岛给临床诊疗带来了阻碍，增加了患者就诊时间，加大了临床诊疗成本，并且也无数字输出接口，只能采用扫描的方式将心电图波形以图片的方式保存，无法实现全院调阅。因此需要更智能的数据传输方式来提升数据传输效率，以便在心电业务信息化管理平台上进行网上申请、预约和登记，满足实时在线诊断、网上传输报告以及远程会诊、示教等需求。同时还需要解决长期以来困扰医院心电图资料无法有效保存的难题，实现数据的集中存储和统一管理[3]。因此，面向医院可持续发展的智能化、数字化、轻便化且可靠的全院心电监护系统是必不可少的。

2 系统设计与实现

2.1 5G-Advanced 超级时频折叠技术

医院病房环境中的医疗器械多、物理阻断多，会影响本文构建的5G+心电系统/网络承载/“5G 无线接入网+传输网+核心网”环节中的“5G 无线接入网”性能[4]。频分双工（FDD）具备超低时延和全时上、下行优势，时分双工（TDD）具备超高带宽和连续频谱优势。但是FDD 带宽相对较小，频谱也是分离的，TDD 虽然具备超高带宽，但时延却达不到业务环境要求。

本文构建的超低时延、超高带宽的5G 网络+移动心电系统运用超级时频折叠技术，解决了5G无线接入网络空口环境复杂、TDD/FDD 时延和带宽各有局限等因素导致的网络性能不足问题。集中了TDD 和FDD 的优势，具有超高带宽、超低时延、高可靠和大上行能力。在实际运用中，与传统5G 无线接入相比，本文系统运用的5G-Advanced超级时频折叠技术可将上行体验提高到1Gbit/s 以上，时延降至4ms 以内，可靠性也得到了提高。

2.2 BP 神经网络算法在心电监护辅助决策方面的应用

本文系统将BP 神经网络（Back Propagation）应用于心电辅助诊断中。BP 神经网络具有很强的自主学习能力，其原理是模拟人类神经元传输、存储和处理信息的过程，是一种智能化、具有自主学习能力的信息处理方法。BP 神经网络的自主学习是一个输出误差并反向传播修正权值的过程。从本质上看，BP 神经网络是一种反向传播修正权值、多次训练的多层前馈网络，可以通过训练和学习过程来修改网络的连接权值，使输入和预想输出达到收敛状态。神经元模型如图1所示。

图1 神经元模型

当一组标准化后的心电数据学习样本从输入层输入网络后，神经元的激活值开始从输入层经隐含层向输出层传递，各神经元在输出层获得输入响应。然后根据减少目标，反向从输出层经隐含层再到输入层，一层一层修正权值，正是这种反向误差不停地进行修正，使网络对输入模式响应的正确率不断提高。BP 神经络训练示意图如图2所示。

图2 BP 神经网络训练示意图

最后，实现向模型随机输入一组心电监护数据后均能输出准确诊断的目标，以辅助临床决策。

BP 神经网络算法在辅助决策方面的优势如下。1）神经网络具有容错处理能力。医院网络环境复杂，核医学、加强CT 和锅炉房等科室产生的噪声对信息传输的完整性有较大影响，在传输过程中经常出现信息失真、丢失不完整的情况。而BP 神经网络只需部分信息特征，便可通过训练输出准确的心电诊断类型。2）BP 神经网络具有较强的自主学习能力。经过大量心电检测数据训练的神经网络模型不但可以迅速、准确地做出识别并辅助临床诊断进行决策，而且不断地进行训练学习后，基于BP 神经网络的辅助决策心电监测系统会越用越智能[6]。3）神经网络具有极高的执行效率。BP 神经网络的计算和数据的存储是统一的整体，各神经元间的工作方式本质上就是权值的传递过程，权值传递的同时即完成了信息存储。

2.3 系统构建

本文系统针对安庆某医院一地三院区的特殊情况，在网络承载部分设计了“5G 无线接入网+传输网+核心网”的模式，通过5G-Advanced 无线设备将门诊、急诊、病房的心电检查移动终端进行5G 接入。心电检查移动终端轻便可移动，不受地理因素影响，如图3所示。该系统设计采用Android 12 平台，具备开放性好、稳定性好及后期维护成本低的优点，通过院内5G 传输网，将3 个院区的心电监护数据整合到同一平台。门诊、急诊和住院心电检查等数据传送至院内心电中心服务器，可通过数据接口与医院HIS 信息系统、CIS 医生站、EMR 系统等信息进行双向交互，实时获取患者基本信息、医嘱信息以及心电报告的发布和归档，解决心电类检查的信息孤岛问题。同时可优化院内、外业务流程，与院内心电诊断中心互联，实时获取、诊断并发布患者心电数据。系统设计方案如图4所示。

图3 心电检查移动终端

图4 基于5G 网络的AI 辅助决策移动心电监护系统设计方案示意图

全院3 个院区心电网络系统依托底层服务器架构，数据库设计采用的SQL Server 数据库与Windows平台具有更好的兼容性，数据安全部分采用双机热备容灾处理，存储部分采用NATAPP 方案。本文系统与院内HIS信息系统、CIS 系统、PACS 系统和排队分诊叫号等系统对接，可实时获取患者遗嘱及门诊处方信息，将心电数据转换成HL-aECG、SCP、MFER 标准数据，对其进行导联纠错、阿托品试验和多图重组等处理，然后通过数据接口与院内医疗系统进行对接，使院内心电诊断中心与中心服务器可进行数据交换，可实现发布患者心电诊疗诊断报告、数据存储、调阅与共享、信息获取、心电检查、心电处理以及数据统计等功能[7]。系统技术架构示意图如图5所示。

图5 技术架构示意图

3 应用效果

安庆某医院床边移动心电监护系统自2022年12月上线以来，采用5G 网络传输，依托5G 网络优势实现了患者基本信息/医嘱信息获取/心电图数据发送、信息归档以及报告发布功能，与传统无线路由组相比，网络稳定性、网故障率显著减少，故障保修情况见表1。同比2022年，2023年1月—3月网络问题（包括断网、卡顿、信号差和网速慢等）报修平均减少115.4%，如图6所示。

表1 故障保修数（件）

图6 故障报修

与2022年同期比较，2023年1月—3月门诊和体检患者的处方开具和心电报告发布完成的数据显示，患者心电检查平均用时（见表2）比传统心电检查平均用时减少26.7min，如图7所示。

表2 患者心电检查用时（min）

图7 患者心电检查用时

基于AI 人工智能辅助决策算法的心电网络依托神经网络算法高效、准确的优势，使工作人员只需审核、发布心电报告并处理异常报警心电检查数据，平均每小时诊断人次见表3。与心电检查人工核对信息、书写报告、审核报告、发布报告、归档报告等传统流程相比，工作效率同比提高67.1%，如图8所示。

表3 医生平均诊断人次（人/h）

图8 诊断效率

4 结论

依托5G-Advanced 超级时频折叠技术超低时延、超高带宽的优势，同时借助BP 神经网络算法较强的自主学习能力、极高的执行效率，基于5G+AI 辅助决策的移动心电监护系统提供了高效、智能的全院心电解决方案，解决了传统方案无法长期保存，只能采用扫描以图片保存的难题，实现了多院区心电数据的集中储存和统一管理，方便医生比较历史心电图数据，更好地观察病情，提升医疗水平的同时降低了心电系统故障报修率，减少了患者排队等待时间，提高了诊疗效率。