精准医学时代的智能患者

第1章 如何在精准医学时代成为一名Smart智能患者？

1.1 引言

医疗保健正在经历一场深刻的变革，这是精准医学带来的结果。精准医学利用现代基因技术、分子成像技术以及生物信息技术，并结合患者’的生活环境、生活方式和临床数据，实现精准疾病分类与诊断，并制定个性化预防和治疗方案[1]。与此同时，随着智能医学的发展[2],，越来越多的医院开始采用各种高科技手段，如人工智能（AI）[3, 4],基因治疗[5],传感技术[6],等，以达到更理想、更佳的治疗水平和效果。除了医疗服务和支付模式的改变外，作为当前医疗模式中心的患者，在如何应对复杂的多维疾病数据方面也面临着更高的要求和压力[7],，包括临床化学、分子和细胞数据、器官、表型成像、社交网络等

这些变化和转型在精准医学作为整合研究学科与临床实践、构建能够更好指导个体化患者护理知识库的自然延伸而兴起的新时代，给患者带来了更多挑战[8]。如何成为一名Smart患者以适应当前的医疗模式，并实现精准健康与wellness，对于患有慢性疾病的患者而言尤为紧迫。

迄今为止，关于智能患者最相关的研究是罗伊岑，M.F. 和奥兹， M.C. 于2006年撰写的书籍——《智慧患者：获得最佳治疗的内部指南》 [9], ，这是一本指导如何应对常见医疗保健情况的指南。尽管后来的一些研究也提到了“智能患者”，但其定义与实施仍混杂不清，缺乏明确和全面的界定[10–15]。近年来，“电子患者”[16–19]可能是与智能患者最接近的研究领域。然而，“智能患者”和“电子患者”的定义及实施至今仍不清晰。

在此，我们提出了智能患者的明确定义和含义，总结了现有基础，探讨了具体的实现模型，并讨论了所需条件以及必要性和可能性。

1.2 研究方法

1.2.1 理论推导过程：一项全面的文献综述

我们应用了循证医学的理念和系统评价的方法，在PubMed中以不同组合全面检索了“系统诊断”、“参与式”、“健康应用”、“Smart medicine”和“精准医学”，并根据不同的研究目的进行分析。

由于这是一个相对较新的概念，关于智能患者的研究较少；我们尽可能收集了相关研究，以便进行后续的系统分类和总结分析。

1.2.2 DIKW：数据、信息、知识与智慧框架

信息科学中的经典“数据、信息、知识与智慧（DIKW）框架”被用于构建智能患者的定义结构和参与模型。DIKW框架是一个从数据到信息、知识与智慧的层级结构，已在多种研究领域中成熟应用[17, 20, 21]。

我们利用此框架模型来展示医疗保健数据最终如何被智能患者使用，以及智能患者如何参与医疗服务。该框架中每一步的进展都基于上下文的添加以实现解释。即，处于上下文中的数据成为信息，处于上下文中的信息成为知识[22]。同样，智能患者的含义也通过上下文的应用而逐步深化。

1.3 结果

1.3.1 当前医疗时代中的智能患者是什么？

结合以往的研究和最新文献的总结，智能患者的定义逐渐清晰。总而言之，智能患者是指能够积极参与自身健康管理的人：利用提供的可靠的健康信息做出有证据支持的选择，运用多样化的智能技术进行自我监测、自我护理，并平等参与临床决策，以获得最佳且最合适的治疗。

最终目标是激发更多的患者参与，实现精准个性化、精准预防和预测。

作为医学发展的推动者和受益者，智能患者是4P医学（预测性、预防性、个性化和参与性医学）发展的核心驱动力，尤其是在精准医学具体实施方面。

1.3.2 如何成为一名智能患者？

1.3.2.1 理论框架：DIKW框架

我们得出结论：DIKW框架为智能患者的理论与实践联系提供了基础。图 1.1展示了基于DIKW方法建立的智能患者的定义框架和实施模型，该模型体现了智能患者、医疗提供者和研究人员之间的协作，以及智能信息技术（信息 technologies）的作用。沿横轴从左到右，交互和相互关系逐渐增加，同时也揭示了数据向应用的转化过程。复杂性沿纵轴递增。智能患者、临床医生或研究人员可以在DIKW各领域之间来回移动。每个人都可以在智能信息技术和最新医学知识教育的辅助下独立穿越这些领域，这也有助于他们之间的协作，可能促进各自智慧的发展。框架的每个要素将在每一层中进行描述。

1.3.2.2 数据演变与应用：从患者视角

在过去十年中，许多重要的技术突破以全基因组关联研究（GWAS）的形式彻底改变了人类复杂疾病的研究[23, 24]。研究人员已开始利用广泛的电子病历系统，在研究人类疾病时采用从基因型到表型的方法——具体而言，即表型组范围关联研究（PheWAS）[25——27],一种相对较新的基因组学方法，用于将临床状况与已发表的变异相关联[28]。这种“转化”涉及基因型与表型的关联，通常需要处理从分子、细胞到组织、器官以及个体和人群等所有结构层次的信息[7]。基因分型和大规模分子表型分析目前已可用于大型患者队列，并可能很快在众多患者中普及。

研究表明，大约5%至10%的癌症由遗传缺陷引起，而其余90%至95%则由环境因素和生活方式导致，包括不健康饮食（30%–35%）、吸烟（ 25%–30%）和饮酒（4%–6%）[29]。能够干扰DNA甲基化的环境因子普遍存在，并且也与生活方式相关。吸烟、酒精摄入、紫外线和化学物质暴露，或与氧化应激相关的因素，是一些最常见且重要的可能改变DNA甲基化谱的生活方式方面[30, 31]。然而，问题在于如何对这些数据进行标记和注释。

如图 1.2所示，患者的健康相关数据呈现出多样化和复杂性。如果这些数据能够被有效整合和利用，患者的疾病治疗和健康管理可实现前所未有的精确性。下图列出了需要解决的问题。

在数据存储方面，需要的是患者级别数据库，而非知识库，且不仅限于汇总数据，还包含个体患者基因组数据；此外，在某些情况下，还包括有限或终身去标识化临床数据 [32]。这些数据库的重点不是简单的数据列表，而是整合不同目的，以满足患者的不同需求。

数据的分类和层级应结合不同的疾病类型。在疾病分类方面，尽管存在许多传统和新的疾病分类方法，例如《国际肿瘤学疾病分类‐10》（ICD‐10）[33],、健康等级七国际标准（HL7）以及医学系统术语集‐临床术语（SNOMED‐CT）[34],，但在精准医学时代，特别是从患者角度来看，需要对疾病进行更准确的分类。

同样，数据分析模型、应用模型和可视化都是实现智能患者的前提。我们热切期待随着这些技术的成熟、完善和安全性的提升，智能患者能够更便捷地了解自身的健康状态，并根据个人特征获得量身定制的个性化治疗方案。

1.3.2.3 智能患者在医疗过程中的参与式方法

如图 1.1所示，随着医疗技术的快速发展和系统化教育的普及，患者能够比以往更有效地监测个人健康，并对疾病有更深入的理解。图 1.3列出了在当前医疗时代，智能患者参与疾病与健康管理以及医学研究的四种主要途径。

自助式智能诊断、治疗与疾病管理

智能信息技术无疑是打造智能患者的关键推动因素。通过可穿戴设备，患者、医院、互联网、机器人技术和医生将相互协同，形成所谓的新的医疗常态。

借助互联网、机器人、传感设备和健康应用程序等，医务人员也能为患者提供更优质的医疗保健服务。利用现有的检测技术，患者可以确定自身的风险因素，判断这些因素是源于遗传还是生活方式选择。一个典型的例子是智能多功能诊疗一体化技术的开发，这似乎是实现癌症同步诊断与治疗的下一步方向 [35]。

近年来，健康应用程序对患者而言更加便捷，并且对初级保健从业者和患者都具有潜力。这些应用程序不仅有助于提供辅助治疗、诊断和疾病管理，还能帮助患者更好地了解自身健康状况，加强与医生的交流，并参与医疗决策，以实现更好的治疗效果。

此外，对于快速增长的慢性疾病患者群体而言，长期健康管理具有挑战性。通过智能信息技术进行干预和辅助，可能提供有前景的解决方案，并成为完全或至少部分有效的工具，以协助管理某些慢性疾病[36]。

移动手持技术对医院医生的工作和实践以及患者护理的影响已在最近的综述中进行了总结[37–39]。在此，我们根据功能对当前主要面向患者的应用程序的研究进行了汇总，这些研究均得到公开出版物的支持。

在PubMed中检索了近5年内关于“应用程序、apps和患者”的相关文献，检索到超过10,000项研究。然而，根据治疗、诊断、健康管理及干预功能四个模块，仅将部分应用程序列于表1.1中。

尽管健康应用程序正在不断完善，智能患者应能够做出明智的选择，并合理利用各种智能手段，促进保护健康的行为，辅助自我健康管理。

1.3 结果（续）

与医疗提供者共享决策

患者与医生之间的交流是医疗服务的核心。有效的交流不仅可以提高患者对其疾病体验的认识，还能让他们成为医疗照护中的合作伙伴，提高对治疗的依从性，并提升对医疗服务的满意度[70]。教育干预措施旨在提高患者’在就诊过程中与医生的参与度也十分有效，这可以减少医患之间的信息不平等，最终实现共享决策(SDM)[71]。

在少数群体中，一种有效的赋权策略是叙事（或称讲故事）。通过促进自我护理和推动SDM[72]，叙事作为一种潜在方法，在赋予患有慢性疾病的少数群体患者权力方面显示出良好的前景。

然而，干预措施将在提高智慧患者参与医疗保健方面发挥重要作用。卫生专业人员在支持弱势患者以及根据其需求定制信息方面的作用至关重要。

通过社交网络参与医学研究

在新时代，越来越多的患者通过互联网获取有关自身健康的信息，并与其他患有相同疾病的患者交流。许多患者相互分享关于其治疗和症状的建议和详细信息，同时也与研究人员分享。临床试验的研究人员越来越多地利用互联网来招募受试者、与参与者沟通，甚至收集数据[73]。

智能患者能够清楚地理解其数据的价值，以及这些数据如何在不损害自身利益的情况下推动生物医学科学的发展，并且有能力积极参与由患者（消费者）发起的社会网络。一些此类网络已经在改变医学，其中一个例子是“量化自我”网络，目前该网络已在美国广泛传播[74]。这些网络中的个体使用数字设备来测量自身的生理参数（体重、脉搏、呼吸、睡眠质量、压力等）。

像胃肠间质瘤患者的生命之舟小组这样的主要患者组织已成功动员其成员研究试验性治疗[75],在患者参与交流过程中积累的信息以及患者视角方面的有效性。

此外，PatientsLikeMe 是一个基于网络的社区和研究平台，患者成员在此分享他们的治疗、症状和病情详情，旨在改善他们的治疗结果 [76]。

此外，Cochrane图书馆、23andme以及世界卫生组织都是类似的患者交流和安全保障平台。要实现参与式的医疗系统，必须克服重大的技术和社交挑战，这需要与系统医学和大数据进行紧密整合[77]。

从数据到行动：患者教育是关键且决定性的因素

在当前的医疗模式下，数据不再是一种单向的输入和输出；患者在整个医学发展过程中发挥着越来越重要的作用。如图1.3所示，为了使参与模式有效运作，我们首先必须对智能患者实施相关的教育与指导，例如医疗技术的发展、最新治疗手段的应用以及参与方式。一方面，这可以增强患者的参与度；另一方面，患者对健康的理解越高，就越能产生更多需求，从而反过来促进医学的发展。在当前的医疗生态环境中，智能患者应掌握自我控制能力与预防意识，更加关注不同的环境暴露，并学会制定健康生活方式、生活方案以及进行规律锻炼，以实现更好的疾病预防或疾病预后。

然而，值得注意的是，由谁来承担教育以及如何运作仍然是目前需要解决的问题。

应用类型	应用名称	国家	介绍与功能
治疗	iTinnitus [40]	澳大利亚	针对患者的声音疗法包 耳鸣
治疗	smartCAT [41]	联合国	用于认知的行为疗法（CBT）治疗儿童焦虑
治疗	ART应用程序[42]	美国	一种酒精复原力治疗（ART）应用 在安卓系统上及一个附件 双侧触觉刺激
治疗	睡眠时间 [43]	New Jersey	监测睡眠
治疗	用药计划 [44, 45]	美国	支持规律且正确地服用 药物
诊断	iTongue [46]	USA	中医证候分类
诊断	NeuroScreen [47]	美国	检测包括与HIV相关的神经认知障碍 易于使用的图形用户界面，带有 十项高度自动化的神经心理学测试
诊断	EncephalApp_Stroop [48]	USA	一种简短、有效且可靠的 轻度肝性脑病筛查工具 athy(MHE)
诊断	iFall [49]	USA	一种用于跌倒检测和
诊断	中风视觉[50]	美国	评估视力、视野以及 视觉空间忽略，以及用于患者、护理人员和 工作人员教育的新工具 staff
疾病管理	我的癌症日记 [51]	韩国	癌症管理
疾病管理	ePAL [52]	美国	通过提示定期疼痛 评估和指导自我‐ 管理，为癌症疼痛赋能患者 管理
疾病管理	Smart [53]	USA	一种可用于监测青少年和 成人镰状细胞病相关疼痛每日 症状的可用且可行的方法 疾病相关疼痛
疾病管理	Diabeo [54]	法国	一种用于糖尿病的远程医疗解决方案 管理
疾病管理	心电车 [55]	澳大利亚	用于心脏康复的实时远程监控系统 心脏康复
疾病管理	肺康复 tion [56]	UK	基于标准肺部 康复程序的自我管理应用， 包括蓝牙脉搏 血氧仪和智能手机
疾病管理	哮喘峰值气流 监测 [57]	UK	一个用于监测 哮喘患者
疾病管理	uHear [40]	澳大利亚	听力损失自评测试
疾病管理	睡眠辅助 [40]	澳大利亚	睡眠呼吸暂停管理应用
疾病管理	HealthPROMISE [58]
	PD 博士.[59]	美国	收集关于帕金森病(PD)的定量且客观的信息 关于帕金森病(PD)的信息以及 实现基于家庭的评估和主要帕金森病症状的监‐ 主要帕金森病症状的监测
	SMART平台[60]	美国	监测用药依从性
	强健的心脏[61]	韩国	一种用于教育学习的工具 冠状动脉疾病（CAD）患者
	个人健康记录系 统（PCHRs）[62]	USA	为患者提供安全存储库 可以暴露给通过编程接口访问的 应用程序的健康信息 接口
	“交互式饮食与 活动追踪器”(iDAT) [63]	新加坡	2型糖尿病患者中使用的热量监测应用程序 在初级保健中管理的 初级保健
	我手中的图表 [51]	韩国	个人健康记录
健康干预	Purdue Momentary Assessment Tool [64, 65]	法国	人类行为监测工具
健康干预	Lose It！ [66]	USA	一种生活方式干预
健康干预	我的餐伴 67	UK	用于减肥的安卓操作系统
健康干预	智能移动 [68]	爱尔兰	在初级保健中增加体力活动
健康干预	OpenLabyrinth 3.3 [69]	希腊	具备能力的医学教育武器库 创建基于模拟/游戏的学习场景， 大规模开放在线课程， 课程体系变革 ,以及一个强大的 未来基础设施 robust infrastructure
健康干预	eCAALYX [37]	UK	用于老年人的远程监控系统 患有多种慢性病的人

1.4 讨论与结论

1.4.1 智能患者在医疗系统中的重要性

在健康胜任社会中，个体、社区和机构应具备改善和维护健康所需的知识、态度、技能和资源，人们应针对所面临的健康挑战采取适当且持续的行动。

研究表明，当患者充分披露他们的担忧、期望和偏好时，医疗服务提供者能够更准确地评估他们的问题并提供更好的建议[78]。

综合以上所有结果，可以看出智能患者在医疗系统发展中的明显且决定性的作用。首先，作为整个医疗系统的基础，智能患者能够更好地进行自我监测和健康管理，从而大大提升初级卫生保健的质量。这不仅节约了医疗资源[79] ，还促进了医疗系统的优化。

患者参与医疗服务可显著提高患者满意度，加强患者与医生之间的交流，缓解当前紧张的医患关系。同时有助于监督医疗服务，减少不良事件[80]。

作为医疗系统利益相关者的一员，智能患者的强烈意识能够更好地激励和推动医疗保健的发展。

1.4.2 机遇与挑战

近年来，公众的健康意识日益增强，部分原因在于网络和可穿戴传感器技术的发展，使得非专业人士能够轻松地将大量与健康相关的信息作为日常记录进行采集和分享，以尝试实现[81]。慢性疾病的普遍增加以及基于团队的医疗保健服务优势的发现，导致跨专业医疗团队（IHTs）在医疗服务提供中发挥着越来越重要的作用[82]。越来越多的医学证据来自患者（或消费者）视角，例如基于患者报告结局[83],的超说明书用药研究[84]。大量的社交网络为健康教育和管理提供了便利，同时也为收集患者的疾病体验和资源提供了便捷途径。各种形式的健康应用程序的普及，使患者能够随时随地获取个人健康信息并进行监督。更重要的是，4P医学尤其是参与式医学的快速发展，需要更多患者的参与与合作[85]。随着上述领域的不断发展，智能患者的智慧实现具有无限潜力。

当然，在实现智能患者的过程中仍存在许多障碍和不足。首先，关于医疗机构和个体患者的医疗资源在伦理、法律、社会、安全、隐私以及政策监管方面存在明显问题，这些已在其他地方被广泛讨论[86]。其次，智能方法在医疗领域的应用仍有许多研究问题，例如应用程序的准确性和精确性、患者过度依赖智能手段而延误治疗等。这些措施仅旨在协助智能患者进行健康管理，并更好地参与医疗决策，而非完全取代传统治疗；第三，针对患者的疾病与健康教育仍然缺乏足够重视，需要加以解决；最后但同样重要的是，由于医疗数据的复杂性，我们需要系统性地思考疾病与健康福祉。然而，目前尚缺乏统一标准和分析方法，尤其是相关的系统模型，这些都是亟待解决的重要问题。

1.4.3 结论

在某种程度上，医生了解疾病的平均值和总体情况，而患者对自己有更深入的了解，对其自身的疾病体验感受更为深刻。一般来说，智能患者不仅仅是一名患者，更重要的是自身健康管理的负责人和全局管理者，是医疗从业者的合作伙伴，也是针对共同敌人——疾病——的医疗行为的监督者。

1.4.4 实践意义

作为医学发展的推动者和受益者，智能患者是精准医学发展的核心驱动力；他们接受了系统而全面的健康教育，能够更好地适应并促进医学的快速发展。