人工智能驱动下的脑卒中高危人群早期筛查和预防工作模式研究

摘要
图/表
参考文献(24)
相关文章 (15)

全文: PDF (841 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要当前我国面临着人口老龄化加速、慢性病高发和医疗负担重的现实问题，脑卒中作为当前高发疾病之一，其高致残致死率给家庭、社会带来严重负担。目前人工智能飞速发展，具有处理大数据的天然优势，在医疗领域也有很多应用落地，本研究重点探索基于人工智能驱动下的的脑卒中高危人群早期筛查和预防工作模式，并探讨其内涵、构建思路及研究内容，从而为治未病、降低脑卒中发病率提供参考和借鉴。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	周腾1 白璐1 陈轶戈1 李文源2

关键词 ：人工智能, 脑卒中, 早期筛查, 预防

Abstract：At present, China faces the real problem of accelerated population aging, high incidence of chronic diseases and heavy medical burden. Stroke is one of the current high-risk diseases, and its high disability and mortality rate imposes a serious burden on families and society. At present, artificial intelligence is developing rapidly, and it has the natural advantage of processing big data. There are also many applications in the medical field. This study focuses on the early prevention and intervention mode of stroke-based high-risk population driven by artificial intelligence, and explores its connotation, construction ideas and research content, so as to provide reference and reference to prevent the disease, reduce the incidence of stroke.

Key words： Artificial Intelligence Stroke Early screening Prevention

基金资助:广东省信息化和信息产业发展“互联网+”应用项目（粤经信信息函〔2018〕145号）。

通讯作者: 李文源（1963.11-），男，博士，副教授，主任医师，南方医科大学南方医院院长；研究方向：医院管理、健康管理。

作者简介: 周腾（1992.7-），男，南方医科大学卫生管理学院社会医学与卫生事业管理专业2016级在读硕士研究生；研究方向：医院管理、健康管理。

引用本文:

周腾1 白璐1 陈轶戈1 李文源2. 人工智能驱动下的脑卒中高危人群早期筛查和预防工作模式研究[J]. 中国医药导报, 2019, 16(11): 165-168,封三.
ZHOU Teng1 BAI Lu1 CHEN Yige1 LI Wenyuan2. Early screening and prevention work mode of high-risk stroke patients driven by artificial intelligence. 中国医药导报, 2019, 16(11): 165-168,封三.

链接本文:

http://www.yiyaodaobao.com.cn/CN/ 或 http://www.yiyaodaobao.com.cn/CN/Y2019/V16/I11/165

[1] 陈伟伟，高润霖，刘力生，等.《中国心血管病报告2017》概要[J].中国循环杂志，2018，33（1）：1-8.
[2] Feigin VL，Roth GA，Naghavi M，et al. Global burden of stroke and risk factors in 188 countries，during 1990-2013：a systematic analysis for the Global Burden of Disease Study 2013 [J]. Lancet Neurol，2016，15（9）：913-924.
[3] Go As，Mozaffarian D，Roqer VL，et al. Heart disease and Stroke statistics-2014 update：a report from the American Heart Associatio [M]. Circulation，2014，129（3）：148.
[4] 高伟飞.缺血性脑卒中一级预防管理路径的制定及效果分析[D].杭州：浙江中医药大学，2018：3-5.
[5] Maniva S，Carvalho Z，Gomes R，et al. Educational technologies for health education on stroke：an integrative review [J]. Rev Bras Enferm，2018，71（suppl 4）：1724-1731.
[6] Pandian JD，Gall SL，Kate MP，et al. Prevention of stroke：a global perspective [J]. Lancet，2018，392（10154）：1269-1278.
[7] 高艳，刘佳，王爽.家庭医生签约服务模式对脑卒中筛查高危患者干预效果观察[J].当代医学，2018，24（35）：57-59.
[8] 哈提米汗·买买提，王育珊，徐晓璐，等.“互联网+”健康管理干预模式在脑卒中高危人群中的应用效果[J].广西医学，2018（7）：822-824.
[9] 黄凯帆，吕红英，王妙芳.医院-社区协同健康管理模式在脑卒中高危人群中的干预效果分析[J].中国实用医药，2018，13（19）：132-133.
[10] 张蓬川，宋炜，王海英，等.医联体模式下脑卒中高危人群筛查和干预的社区管理及效果评价[J].中国医药导报，2017，14（30）：180-184.
[11] Giger ML. Machine learning in medical imaging [J]. J Am CollRadiol，2018，15（3 Pt B）：512-520.
[12] 王韬，杨昆，焦力群.人工智能在脑卒中诊治中的应用现状和展望[J].中国微侵袭神经外科杂志，2018，23（6）：281-284.
[13] Rebecca L，Siegel MPH，Kimberly D. Cancer statistics，2019 [J]. CA，2019，69（1）：7-34.
[14] 朱永基.人工智能可支持脑卒中数据平台[N].健康报，2017-05-22（08）.
[15] 朱善邦，王婷，徐卫东.人工智能诊疗平台在医学领域中的应用[J].中国医疗设备，2019，34（1）：152-155.
[16] Holloway RG，Benesch CG，Burgin WS，et al. Prognosis and decision making in severe stroke [J]. JAMA，2005， 294（6）：725-733.
[17] 王陇德，刘建民，杨弋，等.《中国脑卒中防治报告2017》概要[J].中国脑血管病杂志，2018，15（11）：611-617.
[18] 李迪，王文志.2015年《中国脑血管病一级预防指南》解读[J].中国循环杂志，2015，30（Z2）：62-65.
[19] 刘华，周原吉，夏云，等.缺血性卒中患者发病因素及其一级预防方法探究[J].中国医药导报，2018，15（22）：164-167.
[20]　王陇德.脑卒中高危人群的筛查[M].北京：人民卫生出版社，2012：10-14.
[21]　中华医学会神经病学分会，中华医学会神经病学分会脑血管病学组.中国脑血管病一级预防指南2015[J].中华神经科杂志，2015，48（8）：629-643.
[22] 马娜，刘远洪，梁金花，等.缺血性脑卒中高危患者健康预防策略研究[J].实用预防医学，2018，25（7）：866-869.
[23] 刘薇，苏清岩，尤彦菁，等.中国东部地区缺血性脑卒中病例对照研究及健康教育启示[J].中国现代医生，2018，56（11）：80-84.
[24] 王陇德，王金环，彭斌，等.《中国脑卒中防治报告2016》概要[J].中国脑血管病杂志，2017，14（4）：217-224.