基于Holter心电数据自动诊断的移动医疗服务

本文从心电图(ECG)信号自动诊断的角度切入移动医疗服务，期望以实现ECG自动诊断来带动移动医疗服务的发展。文中重点描述了实现自动诊断过程中面临的主要问题，并结合临床数据进行验证，提出以树结构层次聚类的方式提高ECG模式分类效果。在Holter临床数据上的实验结果表明，树形层次聚类法可以很好的找到数据集中的异常心拍。

移动医疗将医疗服务与互联网和移动互联网技术融合，是现代医疗与健康管理服务的新形态。在移动医疗服务架构下，人们改变过去只能前往医院问诊的就医方式，而是可以实时实地获得医生的建议， 以及与自身健康相关的诊断报告，甚至可以直接获得远程医疗，这在很大程度上节省了人们的就医时间和就医成本。

移动医疗由于对传统医疗服务的颠覆性改变，发展十分迅速。在资本、技术和政策的多重因素推动下，如春雨掌上医生、大姨吗、康康血压等行业内的先发企业如雨后春笋班涌现，以BAT (百度Baidu、阿里巴巴Alibaba、腾讯Tencent)为代表的互联网公司背靠自身具有的技术优势也在积极布局整个行业生态。然而在如此百花齐放的盛景背后，更多的是细分领域内密集的同质化竞争，而医疗的核心却触及甚少。目前，经过互联网技术改造后的在线预约以及在线问诊等服务，只是将传统的就医模式进行了信息化优化和升级，只能做到单纯的线上沟通或者医疗建议，而无法实现真正意义上的诊断，自动诊断之路就显得更加遥远。图1 展示了患者的完整就医行为链，将整个过程分为院前、院中、院后三个环节，从图中可以看出，目前的移动医疗服务仅仅处于对当下就医模式的信息化改造，很多环节并没有充分信息化和数字化。

穿戴式医疗仪器、无线通讯技术与网络技术的结合，以及大数据分析技术的发展成熟，使得实现真正意义上的自动诊断成为可能。无线传感技术和无创连续检测技术的发展，使得患者产生的数据可以方便地得到实时采集，并透过穿戴设备传输到诊断云平台，通过利用大数据分析技术，最终给患者提供诊断报告，如图2 所示。史丹佛大学将电子医疗记录、全基因组序列、保险和医药记录、可穿戴式感测器和社会环境数据等作为数据分析对象，辅助医生和研究人员更好地预测个人罹患特定疾病的几率，以此制定出早期检查和预防的方案。北大医信的临床数据中心(CDR)将患者症状、诊疗情况、医嘱资讯、用药效果进行分析和利用，辅助医生进行相关疾病诊断。

在移动医疗服务的框架中，疾病与医疗诊断的整套分类系统，都需要重新改写。不再像如今的简化模式，十分粗略地将个体分配到极为宽泛的疾病类别中，而是借助患者的生理数据和疾病表征等因素， 实现精确划分、个性化医疗。在未来的移动医疗平台中，大量的患者数据将被组合并为一体。在数据收集的基础之上，移动服务中的自动诊断，以及从临床取样中获取信息的能力，都将得到很大提升。人类