健康管理 Health Management 系统的对个人或人群的健康危险因素进行监测评估指导, 调动个人及集体的积极性, 有效地利用有限的资源来达到最大的健康效果 an evolutionary medicine regulative process in which actuarial as

Size: px

Start display at page:

Download "健康管理 Health Management 系统的对个人或人群的健康危险因素进行监测评估指导, 调动个人及集体的积极性, 有效地利用有限的资源来达到最大的健康效果 an evolutionary medicine regulative process in which actuarial as"

奉隐干
5 years ago
Views:

1 机器学习与公众健康管理 Machine Learning in General Health Management Guopeng ZHOU MD PhD Vice Director of Health Manangement Peking University First Hospital

2 健康管理 Health Management 系统的对个人或人群的健康危险因素进行监测评估指导, 调动个人及集体的积极性, 有效地利用有限的资源来达到最大的健康效果 an evolutionary medicine regulative process in which actuarial assessment of fitness and economic-type cost benefit analysis determines the body s regulation of its physiology and health.

3 健康管理流程 Health management protocol General population Surveillance assessment analyze intervention outcome

4 2016 健康体检前 3 位疾病 Top 3 abnormal findings in PUFH female male ranking abnormality Num % ranking abnormality num % 1 Lipid metabolism disorder 2 mammary gland hyperplasia % 1 Lipid metabolism disorder % % 2 Over weight % 3 thyroid nodule % 3 Fatty liver %

5 异常体检结果与年龄和性别的关系 relation of abnormalities with age / gender 男性异常体检结果检出率随年龄变化趋势女性异常体检结果检出率随年龄变化趋势 17 16

6 异常结果的控制情况 Control rate in 1 year improved Not improved % BMI % TG % LDL-C % 624 individuals, 1 st PE ~ nd PE ~

7 决对全科医生进行体后健康管理的意愿程度异常体结果干预现状讨论检体指标控制情况检策 LDL-C预型评价模检测研 70.0%LDL-C控制预测模型的建立讨 80.0% 64.9% 73.2% 树 60.0% 随机森林模型评价 60.0% 67.8% 究评价指标论 70.0% 52.9% 控制人数百分比未控制人数百分比 53.3% 目前典型的大数据应用领域包括科学计算生物信息金融电子商务社交网 49.6% 模 57.5% Precision = % % % 57.8% 络 Facebook 移动数据移动电话物联网传感网 Web数据新闻网站 60.0% 56.2% BMI Recall = 0.94 男性异常体检结果检出率随年龄变化趋势 40.0% 结多媒体视频网站 40.0% 型 F1 = % 33.3% 71.7% 50.0% HCY 30.0% 果 40.0% 30.0% 20.0% 10.0% 0.0% AUC = % 22.5% 72.0% % 医疗热点蛋白质等生物大分子网络作用药物数据库及电子健康档案的应用基因组 21.7%447 TG 18.3% 17.1% 17.1% 20.0% 序列与疾病预测药物生物信息生物医学大型数据库系统生物学医疗卫生服务 12.6% % % 27.4% 27.4% 27.3% LDL-C 6.7% 10.0% 23.8% % % 20.4% BP 0.0% 意义 % % 目前大数据在健康体检方面应用研究较少本研究为大数据预 9.1%测模型在健康管理中的 8.2% FPG 6.5% 6.1% 7.7% 5.4% 应用提供了理论支持可采用大数据型发现顺应性较差或预期控制趋势不佳的体模 4.1% 4.0% 检 2.5%0.4%3.5% % 0.3% % 12.0% 1.0% 0.4% 者进行精准的强化干预措施 UA 622检报告 99.7% 治疗 2 0.3% 危险因素干预解读体全科门诊长期随访监全科定期诊疗测吸烟 AUC表示模型的分类能力当AUC = 0.5时表示其分类能力为50% [1]张引, 陈敏, 廖小飞. 大数据应用的现状与展望[J]. 计算机研究与发展, 2013, 50(s2): AUC越接近于1则表示准确性越高模型分类能力越好预非常愿意比较愿意不太愿意测 [2]李春英, 张巍巍. 全球大数据与健康管理的研究热点聚类分析[J]. 中国医院管理,很不愿意 2016, 36(10): 无所谓 17 综合干预单一干预无干预 80%以体检者对全科医生进行的体检后健康管理表示愿意

8 当前健康管理面临的问题 Current problems of health management 机构林立, 私立 -> 公立 Private -> Public facility 缺乏真正个体化 One size fits all 标准不一, 简单体检 -> 医疗跨国旅行 Simple PE -> multi-day foreign medical trip 缺乏干预和随访 Lack of intervention and follow-up 缺乏循证证据支持 Lack EBM support

9 如何进行精准健康管理 How can health management precise?

10 临床问题 Clinical question LDL-C 升高个体行为画像具有相似性 Individual with high LDL-C have similarities in profile 相似背景特征可能影响个体获得帮助或遵循医嘱的意愿 Certain back ground conditions combination might influence individuals willingness to get help or following orders Ai 模型可能有助于发现需要主动干预人群 An AI model might help to identify this group

11 高风险目标人群的预测 Prediction of high risk individuals for targeted intervention General population Surveillance assessment analyze AI prediction intervention outcome

12 决策树模型 26

13 1 年 LDL-C 变化趋势预测模型 1 year LDL-C LDL-C 预测模型评价 level prediction model 研究结果随机森林模型评价评价指标 : Precision = 0.86 Recall = 0.94 F1 = 0.90 AUC = 0.74 AUC 表示模型的分类能力, 当 AUC = 0.5 时, 表示其分类能力为 50% AUC 越接近于 1 则表示模型分类能力越好, 预测准确性越高

14 LDL-C 体检异常的个体中,74% 可以预测 74% of high LDL-C individuals could be predicted for: LDL-C 一年后是否有所改善 Whether the LDL-C would improve after 1 year on their 1st visit 意味着 : Which means: 健康管理可以精准针对高危个体 We can pick out and focus on those high risk individuals for intervention

15 可以做的更多 We can do more

高胆固醇血症高胆固醇血症是机体血清中胆固醇含量超过正常范围所引起的一类疾病患病率约在 1/200-1/500 之间该疾病属于遗传病, 可以导致体内过高的胆固醇积累, 并增加患冠心病和心绞痛风险等 LDLR 基因 18 个外显子,LDLR 为跨膜蛋白, 广泛分布于肝脏动脉壁平滑肌

16 高胆固醇血症高胆固醇血症是机体血清中胆固醇含量超过正常范围所引起的一类疾病患病率约在 1/200-1/500 之间该疾病属于遗传病, 可以导致体内过高的胆固醇积累, 并增加患冠心病和心绞痛风险等 LDLR 基因 18 个外显子,LDLR 为跨膜蛋白, 广泛分布于肝脏动脉壁平滑肌血管内皮细胞和白细胞, 特异结合含 ApoB100 和载脂蛋白 E(ApoE) 的脂蛋白进入细胞内进行代谢, 可清除血中 2/3 的 LDL 该基因的致病变异将降低血中胆固醇的代谢率, 从而诱发疾病约占遗传性高胆固醇血症的 60-70% p.a627t,p.d90y 和 p.r416w 均属于重要的致病变异

17 他汀类药物他汀类药物是最为经典和有效的降脂药物, 广泛应用于高脂血症的治疗除具有调节血脂作用外, 该类药物在急性冠状动脉综合征患者中早期应用能够抑制血管内皮的炎症反应, 稳定粥样斑块, 改善血管内皮功能延缓动脉粥样硬化 (AS) 程度抗炎保护神经和抗血栓等作用 SLCO1B1 基因编码的有机阴离子转运多肽 1B1(OATP1B1, 又称 OATP-C OATP2 或 LST1) 特异地表达在肝细胞基底膜上, 是肝细胞摄取和清除内源性和外源性物质 ( 含他汀类药物 ) 和代谢产物中发挥重要作用该基因第 5 外显子 521T>C(Val174Ala) 多态性是亚洲人群中的主要遗传变异, 等位基因频率为 10~15 %, 该多态性显著降低 OATP1B1 对其底物的摄取能力, 使他汀类药物的血药浓度升高他汀类药物的严重不良反应包括肝功能下降和横纹肌溶解症等, 携带 521C 等位基因的患者应用辛伐他汀西立伐他汀时肌病的发生风险显著增加为降低他汀类药物严重不良反应的发生风险, 建议临床上根据 SLCO1B1 基因型选择他汀类药物进行治疗引自药物代谢酶和药物作用靶点基因检测技术指南 ( 试行 )

18 检测内容遗传性心血管疾病心源性猝死肥厚型心肌病长 QT 综合征 Brugada 综合征儿茶酚胺敏感性多形性室性心动过速 (CPVT) 高胆固醇血症 β 受体阻滞剂氯吡格雷华法林他汀类药物琥珀酰胆碱药物基因组其他药物性耳聋叶酸代谢酒精代谢

19 健康管理精准干预模型 Precise intervention model in health management General population Surveillance assessment analyze prediction Precision intervention outcome

20 展望 Future 基因筛查 + 机器学习 + 健康管理提高管理精准度针对不同基因型患者精准选择药物少量人力投入, 规模化病人管理问题接受程度疾病相关基因和药物相关基因较少多因素影响费用伦理学问题 Gene screen + AI + Health management Accurate Precise treatment Cost effective Problem Acceptance Lack of solid evidence Multi-factors Expensive Ethical problems

21 Thanks!

<AE48B0F2C2E5C0F82DB2C432A8F7B2C432B4C12E706466>

<AE48B0F2C2E5C0F82DB2C432A8F7B2C432B4C12E706466> 992 2 1 1 2 2 2 IDS 96 IDS IDS IDS IDS 596 1 198 12 31699 1 199 9 30 250401 272/274 B070.2 070.3C070.51 070.54 070.415 277HbA1C39~55%2 60HbA1c

健康管理 Health Management 系统的对个人或人群的健康危险因素进行监测 评估 指导, 调动个人及集体的积极性, 有效地利用有限的资源来达到最大的健康效果 an evolutionary medicine regulative process in which actuarial as

健康管理 Health Management 系统的对个人或人群的健康危险因素进行监测评估指导, 调动个人及集体的积极性, 有效地利用有限的资源来达到最大的健康效果 an evolutionary medicine regulative process in which actuarial as