一种联接“健康云”的家庭健康监护系统设计

一种联接“健康云”的家庭健康监护系统设计胡建强*（厦门理工学院计算机与信息工程学院福建厦门361024)摘要：新一代家庭健康监护系统不仅要求具备低成本、低功耗和低体积等特点，还要求快速适应基于云计算的国家医疗信息化发展，为此，亟待设计一种联接“健康云”的家庭健康监护系统．首先，在介绍“健康云”层次化架构的基础上，本文分析了家庭健康监护系统联接“健康云”的工作过程．其次，解决了该系统的四项关键技术，包括：基于生理参数传感器的家庭健康监测网络设计、基于HL7 RIM的数据交换机制、融合灰色模型和马尔科夫模型的健康风险评估模型、基于BPEL4WS的健康服务个性化组装．最后，采用厦门市集美区案例数据验证原型系统的有效性，为“健康云”服务走入家庭健康监护奠定基础．关键词：基于HL7 RIM数据转换框架；健康风险评估模型；健康云中图分类号：TP393 文献标志码：A当前我国正面临着人口老龄化、少子化、慢性病患者增多等趋势，大中型医院主要针对疾病的诊断和治疗，很难承担社区居民日常的医疗保健服务、健康咨询以及紧急情况下的医疗援助任务．医疗信息化被认为是大幅减少医疗和就医成本、缓解医疗资源紧缺现状和提高医疗整体水平的重要手段．目前医疗信息化呈现两种趋势：(1) 基于云计算的医疗信息服务平台快速发展．美国在智慧医疗领域的总投资已超过440亿美元．IBM公司提出“数字化医院集成平台”[1]；美国HHS部电子健康档案系统、Microsoft Health Vault 等在美国开始广泛应用并取得巨大的经济和社会效益．2013年1月日本富士通公司推出“高龄者护理云计算”，预计2015年可创造60亿日元市场[2]．南京2012年基于H3C云存储构建新一代的社区公共卫生服务系统，实现居民健康档案、社区卫生服务站桌面虚拟化、采用SaaS方式交付等新型医疗信息化应用．中科院实施“海云工程”并推出低成本的健康服务[3]．2013年厦门市“健康云”采用云计*收稿日期：2014-10-7基金项目：国家计生委联合攻关项目(WKJ-FJ-35)、厦门市科技高校科技创新项目(3502Z20143031、3502Z20133033)、厦门理工学院人才引进项目(YKJ13004R)*作者介绍：胡建强，1971年2月，博士后，副教授，研究方向：智慧医疗、语义Web，通信邮箱：***************.cn算技术整合市民健康档案和预约系统，目前已接入市第三医院、仙岳医院等38家医院和63家社康中心．(2) 低成本的家庭健康监护成为缓解医疗资源紧缺最重要的技术．美国霍尼韦尔公司实验室开发I.L.S.A系统，基于多传感器互联，实现感知模型、定时响应、实时响应等功能，监护心脑血管疾病[4]．日本提出全国性远距居家照护服务项目“Sukoyaka Family 21”远程生理检测和应急救护，采用物联网终端SUKOYAKA NET i的压迫带测量血压和电极测量心电，通过触摸屏式液晶显示器输入体重等数值[5,6]．法国构建EMUTEM平台采用可穿戴设备测试慢性病患者的脉搏、心率和血压和血糖等生理数据以及红外传感器检测坐卧姿势和移动状态[7]．中科院研制一种基于体域网的无线心电监护系统，实时接收心电信号并及时预警反馈[8]．这类家庭健康监护系统采用物联网技术，包括附着人体的指尖型血氧传感器、腕表型血糖传感器、腕表型睡眠品质测量器、睡眠生理检查器等，长期监视和记录各项生理数据，评估身体状况并预警生理病变．新一代家庭健康监护系统不仅要具备“低成本、低功耗和低体积”等特点，还要求快速适应基于云计算的国家医疗信息化发展．为此，厦门理工学院和厦门优医信息服务有限公司联合研制一种联接“健康云”的家庭健康监护系统，支持家庭健康监护系统与“健康云”之间的数据交换，实现健康风险评估和个性化健康监护方案定制，为健康档案云端管理、健康咨询、健康膳食等服务走入家庭健康监护奠定基础．全文组织结构如下：第1节介绍“健康云”的层次化架构，分析联接“健康云”的家庭健康监护系统的工作过程．第2节分析四项关键技术，分别是家庭健康监测网络设计、基于HL7 RIM的数据交换机制设计、健康风险评估模型和健康服务个性化组装．第3节采用厦门市集美区案例数据验证原型系统的有效性，包括评估健康风险评估效果（预测相对危险性和绝对危险性）和健康服务组合成功率．第4节总结全文并展望下一步工作．1 体系架构1.1 “健康云”的层次化架构“健康云”建设的主要目标是实现集中统一的区域医疗信息共享和提高医疗资源的利用率，即虚拟化医疗软硬件资源，实现软硬件资源按需分配、医疗数据安全和绿色利用．典型层次化架构包括：基础设施（医院、疾病控制中心、社区健康服务中心等，采集医疗卫生数据）；数据的整合交换共享云端服务（整合医院信息系统HIS、电子病历EMR、医学影像存档与通讯系统PACS、实验室信息管理系统LIS等）；云基础设施（基于虚拟化、网络安全、运行监管和维护等技术，实现基础设施即服务IaaS整合）；云数据中心（健康档案数据库EMR、电子病历数据库EHR、公共卫生数据库，实现平台即服务PaaS能力）、云端服务（以软件即服务SaaS提供服务，包括健康档案云端管理、远程视频诊疗、健康咨询、消息服务、运动服务和健康膳食）、服务对象（市民、医生、第三方机构）．图1 “健康云”的层次化架构Fig. 1 A Hierarchy Architecture for Healthcare Cloud1.2 联接“健康云”的家庭健康监护系统联接“健康云”的家庭健康监护系统包括家庭健康监测网络、家庭健康监护系统和“健康云”．家庭健康监测网络本质上是物联网，由一系列智能生理参数传感器节点构成，包括血氧传感器、腕表型血糖传感器和加速度器等，连续监视生理信号和记录人体健康信号，包括心电ECG、血氧饱和度SPO2、脉搏等参数．节点都具有独立数据存储、运算、电源管理和无线通信等功能．融合先进网络协议（如Bluetooth、WIFI或Zigbee），实现生理检测数据实时上传到家庭健康管理系统．家庭健康监护系统的工作过程：(1) 基于家庭健康监测网络动态，实时获取生理测量数据；(2) 基于HL7 RIM数据交换机制实现与“健康云”数据交换，上传各项生理监测数据实现个人健康档案管理；(3) 在“健康云”数据中心支持下，基于健康风险评估模型实现个体健康状况评估并制定个性化的健康干预措施；(4) 得到“健康云”后台特约医生、功能医疗小队和营养师等提供的医疗、预防、保健等服务．由于“健康云”以SaaS方式提供云端服务，为保证家庭健康监护系统的通用性、灵活性和可扩展性，家庭健康监护系统支持按需动态、松耦合、有序组装健康服务，实现健康服务个性化组装，克服传统家庭健康监护系统统一且固定不变的服务流程模式．图2 联接“健康云”的家庭健康监护系统Fig. 2 Healthcare Cloud-Connected Home Healthcare Monitoring System2 关键技术2.1家庭健康监测网络设计家庭健康监测网络是实现人体生理长时间、连接监测的硬件设施．Paradiso R.等人开发的无线心电检测系统采用GPRS协议，存在功耗大(平均电流100mA/12V左右)、电磁辐射过高和体积较大(因配备大功率的太阳能电池板或大容量的蓄电池)等缺陷[9]；天津大学开发基于ZigBee技术的老年人家庭健康监护系统，采用CC2430芯片，工作电流25-27mA，每块芯片大约2美元，最大数据传输率为250Kbps[10]．图3 BMD 101芯片结构Fig.3 BMD 101 Chip Architecture本系统家庭健康监测网络一系列智能生理参数传感器节点构成，需要综合考虑能耗、成本、体积和数据传输率等因素．以心电ECG采集为例，基于Neurosky公司BMD 101控制芯片（如图3所示），从uV到mV范围内生物信号检测的高性能模拟前端实时接收并循环读取心电数据，经芯片内部放大、滤波、计算等处理输出心电数字信号并通过串口接口发送．BMD101具备系统整体配置、模拟信号和数字信号处理、控制内外通信和电源管理等功能，带有高精度分辨率的16位ADC，VDD引脚3.3V 供电，3*3毫米，价格3美元左右．生理监测数字信号由蓝牙Bluethooth发送到家庭健康监护系统，最大数据传输率为720Kbps．表1统计心电ECG的各模块在不同工作状态的功耗情况．表1 各模块的工作状态与总功耗Tab. 1 Working State of Each Module and its Power Consumption工作状态总功耗微控制器蓝牙模块模拟信号处理模块数字信号处理模块待机蓝牙搜索正常工作63.1µA 低功耗关闭关闭31.4mA 工作开启关闭14.6mA 工作开启开启具体过程：上层应用程序将数据通过链路管理和I/O传送到链路控制单元，进行载波调制，而后进行数据封装，发送数据暂存在缓冲区，通过2.4GHz射频发送接收端(协议HCI)；家庭健康监护系统接收端进行逆向解调，得到源数据再通过链路管理和I/O传送到上层执行模块进行数据处理．2.2 基于HL7 RIM的数据交换机制设计由于监测数据模型不统一，“健康云”普遍采用SaaS方式．只有采用统一标准才能解决无障碍传输且能够被两方接收者无歧义地解释，从而实现家庭健康监护系统与“健康云”数据交换．HL7(Health Level 7)[11]标准是由美国国家标准局(ANSI)授权的标准开发机构Health Level SevenInc.研究开发的一个专门用于医疗卫生机构及医用仪器、设备数据信息传输的国际标准，其中健康档案的内部结构采用HL7制定CDA（Clinical Document Architecture）标准．HL7 RIM数据模型能清楚表达时序性、层次性和逻辑性，目的是解决不同开发商开发和制定的信息标准不一致问题，为标准开发和制定者提供一个最高层次的参考模型．图4 基于HL7 RIM数据转换框架Fig.4 HL7 RIM-based Data Conversion Framework图4给出基于HL7 RIM的数据统一转换框架，包括HL7字典、HL7 XML模式生成器和HL7 RIM模型等．生理监测数据以数据元素形式封装，每个数据元素或由简单属性复合成复合数据，或者数据元素清单，即每一个都是复合数据类型属性．多个次序的多数据元素组成消息段，而多个有次序的消息段构成具体消息．HL7 RIM使用到HL7字典任何元素、数据类型、词汇都衍生自RIM规范要求，从而保证其一致性．HL7 XML模式生成器将生理监测数据转换成符合HL7标准的XML统一数据格式．基于HL7 RIM的数据交换机制，可以实现家庭健康监护系统和健康云端主机之间的数据交换，进而实现个人健康档案管理和健康风险评估提供支持．数据交换过程如下：(1) 发送过程：接收方以家庭健康监护系统为例，基于生理监测数据，构建HL7 RIM逻辑结构的对象图，采用XML构建符合HL7消息的数据格式，通过简单对象传输协议(SOAP)发送XML消息．(2) 接收过程：接收方侦听到目标网络是自己的消息时，根据HL7协议标准提取XML域目录，进一步解析消息文档对象，还原HL7 RIM格式对象图，以HL7 CDA标准保存到云端主机．综上所述，首先按照HL7的语法标准将数据转换成XML SOAP消息格式，然后按照底层网络传输协议封装并传输，接收系统在应用层进行应答和相应的控制，再按照HL7标准语法进行解析，最终将消息转换成应用程序数据格式．发送方接收方图5 基于HL7 RIM 的数据交换过程Fig.5 HL7 RIM-based Data Exchange Process 2.3 健康风险评估模型健康风险评估（Health Risk Appraisal, HRA ）用于描述和估计某一个体未来发生某种特定疾病或因为某种特定疾病导致死亡的可能性．通过收集个体健康信息，包括家庭健康监测获得的各项生理信息和家庭病史、饮食习惯和生活方式．结合“健康云”提供的健康档案和电子病历数据，用数字模型进行量化评估，帮助个体全面认识健康状况和病变风险，为制订个性化的健康干预措施提供支持．美国Framingham 危险评估模型FRS 是经典健康风险评估模型，主要预测个体在未来10年发生心血管疾病的危险率．由于不同国家、地区，人们文化背景和生活习惯存在差异，不同人群实际筛选准确性有较大出入．针对Framingham 模型存在的局限性，选取国人医学界公认因素，包括年龄、体重、血压、血脂、血糖和体质指数BMI [12,13]，展开“相对危险性”预测和“绝对危险性”预测．“相对危险性”是指与同年龄段、同性别人群平均水平相比患某些慢性疾病可能性；“绝对危险性”是指个体在未来几年内患某些慢性疾病可能性[14]．(1) 相对危险性预测参照文献[14]的方法应用Logistic 模型，计算某慢性疾病的危险分数，得出危险因素评价模型，评价各种危险因素不同暴露水平对疾病发生的影响．定义1 记i RR 为暴露某一水平因素的相对危险度，i P 为暴露某一水平因素的个体占全人群的比例，则基准发病率=11/()ni i i RR P =⨯∑．定义2 危险度＝基准发病率×相对危险度．对于多项危险因素疾病，记P 组合相对危险度(相对危险性)，P ＝(1P -1)+ (2P -1)+…+(n P -1)+1Q ×2Q ×…×m Q ，其中P 为组合危险度；i P 大于等于1的各项危险度；i Q 小于1的各项危险度[15]．(2) 绝对危险性预测目前常用的预测模型包括回归模型、ARIMA 模型[16]、马尔科夫模型和灰色模型．回归模型要求数据总体服从多元正态分布且协方差相同；ARIMA 模型要求非平衡数据转变为零均值平衡随机序列，适用于短期预测；马尔科夫强调状态转移概率预测内部变化[17]；灰色模型GM(1,1)是灰色模型中应用最广泛的预测模型，不需明确数据指标关系，适用于小样本和不确定系统预测[18]．由于高血压、糖尿病属慢性病具有长期化趋化、容易呈现某种变化趋势等非平衡特点，因此采用灰色模型和马尔科夫模型相结合的预测模型．灰色模型只考虑综合灰色量对某种疾病的作用，而马尔科夫适用于随机过程的状态转移行为，可弥补灰色预测对随机波动大时间序列预测不好的缺陷．主要步骤包括：① 灰度模型GM(1,1)原始数据序列(0)(0)(0)(0){x (1),x (2),...,x ()}X n =，增强规律性累加处理，得到(1)(1)(1)(1){x (1),x (2),...,x ()}X n =，对(1)x ()t 建立GM(1,1)，得到(1) 其中,a u 可由最小二乘法求解得到，求解方程：(2) 得到一次累加生成量(1)(t)x 的模型预测值，表示：t =1,2,..,n (3) ② 残差序列的GM(1,1)模型 (0)(0)(0)(t)|x (t)(t)|x ε=- (4)经过类似求解，得到(5) 其中sgn (t )值由原残差的符号确定．(1)(1)dx ax u dt+=(1)(0)(t)[(1)]e at u u x x a a-=-+(1)(0)2(t)[(t)]e a u u x x a a-=-+11(0)(0)(0)11(t 1)(1e )[x (1)]e sgn(t 1)(1e )[(1)]e a a t a at u ux a a ε-+=--++--③ 马尔科夫模型转移概率矩阵马尔科夫模型关注状态和状态转移概率，设预测对象有n 种状态1E ,2E ,…,n E ，从某种状态i E 向这n 种状态转移概率分别为1i P ,2i P ,…,in P 且满足01ij P ≤≤,12...1i i in P P P +++=．以血压值为例，涵盖理想血压、正常血压、临界高血压、高血压、超高血压．根据马尔科夫模型求解残差转移的概率，确定残差sgn (t )值．采用灰色模型和马尔科夫模型结合得到预测值，结合其组合相对危险度与总发病率相乘，就得到绝对危险性．相对危险性和绝对危险性度量出危险因素和慢性发病之间数量依存关系及其规律性，为制订个性化的健康干预措施提供参考和依据．2.4 健康服务个性化组装家庭健康监护系统灵活性、可维护性和可定制性是影响健康监护效能的重要因素．针对家庭用户需求特点，健康服务流程需要个性化定制。