文章信息
- 林静怡, 罗小非, 郭义, 李诗翩, 任海燕, 樊官伟
- LIN Jingyi, LUO Xiaofei, GUO Yi, LI Shipian, REN Haiyan, FAN Guanwei
- 从《黄帝内经》“标本相得”理论探讨人工智能在健康管理领域应用的发展趋势
- Exploring artificial intelligence applications in health management through the lens of "Biao-Ben harmony" theory in Huangdi Neijing
- 天津中医药大学学报, 2025, 44(7): 645-651
- Journal of Tianjin University of Traditional Chinese Medicine, 2025, 44(7): 645-651
- http://dx.doi.org/10.11656/j.issn.1673-9043.2025.07.11
-
文章历史
收稿日期: 2025-03-23
2. 天津市中医药研究院附属医院, 天津 300120;
3. 天津中医药大学第一附属医院, 天津 300381;
4. 国家中医针灸临床医学研究中心, 天津 300381;
5. 天津中医药大学, 天津 301617;
6. 天津市现代中医理论创新转化重点实验室, 天津 301617;
7. 上海中医药大学附属龙华医院脊柱病研究所, 上海 200032
2. Tianjin Academy of Traditional Chinese Medicine Affiliated Hospital, Tianjin 300120, China;
3. First Teaching Hospital of Tianjin University of Traditional Chinese Medicine, Tianjin 300381, China;
4. National Clinical Research Center for Chinese Medicine Acupuncture and Moxibustion, Tianjin 300381, China;
5. Tianjin University of Traditional Chinese Medicine, Tianjin 301617, China;
6. Tianjin Key Laboratory of Modern Chinese Medicine Innovation and Transformation, Tianjin 301617, China;
7. Institute of Spinal Diseases, Longhua Hospital Affiliated to Shanghai University of Traditional Chinese Medicine, Shanghai 200032, China
人工智能(AI)作为计算机学科的一个分支,自1956年正式提出以来,其相关理论和技术经过持续完善,已经在多个领域得到广泛应用。在医药健康领域,AI技术的应用尤为广泛。2020年11月发布的《国务院关于深入开展爱国卫生运动的意见》中指出要“加强爱国卫生信息化建设,充分利用大数据、AI等新技术开展爱国卫生工作,提高科学决策和精细管理能力”。
近年来,中医药事业取得历史性成就,在重大疾病防治中发挥了重要作用。中医药在数千年间积累了大量丰富的医学理论。其中《黄帝内经》(简称《内经》)中的理论与西医理念中的健康管理具有异曲同工之处。《内经》作为中医理论之渊薮,全面总结了秦汉时期以前的医学成就,对后世中医发展具有深远影响。《内经》主张治疗的重点是人而非疾病本身,强调医者应当视患者的疾病与其心理状态、生活习惯及社会地位等因素并重。患者行宝命全形之道,顺应自然之变,从生活习惯中遵守养生原则以进行身体调养,从而达到治未病的目的。两者的核心目标均是预防和控制疾病的发生与发展,降低医疗费用,提高生命质量。
在此背景下,文章以《内经》为指导,试从《内经》“标本相得”理论中寻找健康管理的宗旨,阐述AI助力健康管理发展的趋势。以期通过本文的阐述,探讨如何建立适应中国国情的健康管理体系,以促进健康中国建设,提高广大人民群众的健康水平。
1 AI助推健康管理发展的现状和趋势 1.1 政策背景健康管理理念在20世纪50、60年代由美国提出,其概念为基于健康促进及干预技术发展,对个人或群体的健康进行全面监测、分析,以评估、提供健康咨询和指导,并对危险因素进行干预的全过程[1-2]。2016年印发的《“健康中国2030”规划纲要》提出建设健康中国的战略主题为“共建共享、全民健康”,并强调要推动健康服务供给侧结构性改革,优化要素配置和服务供给,补齐发展短板,推动健康产业转型升级。自2015—2020年,国务院及相关部门发布AI与医疗相关政策文件36份,包括174条具体的政策条目,其中涉及健康管理的条目共有42条[3-4],相关主要政策见表 1。
| 时间(年) | 文件名 |
| 2016 | 《“互联网+”人工智能三年行动实验方案》 |
| 2016 | 《国务院办公厅关于促进和规范健康医疗大数据应用发展的指导意见》 |
| 2016 | 《“十三五”国家信息化规划》 |
| 2017 | 《“十三五”全国人口健康信息化发展规划》 |
| 2017 | 《“十三五”卫生与健康科技创新专项规划》 |
| 2017 | 《新一代人工智能发展规划》 |
| 2017 | 《促进新一代人工智能产业发展三年行动计划(2018—2020年)》 |
| 2018 | 《国务院办公厅关于促进“互联网+医疗健康”发展的意见》 |
| 2019 | 《国家新一代人工智能开放创新平台建设工作指引》 |
| 2020 | 《国家卫生健康委办公厅关于进一步推动互联网医疗服务发展和规范管理的通知》 |
| 2021 | 《人工智能医疗器械注册审查指导原则(征求意见稿)》 |
| 2021 | 《人工智能医用软件产品分类界定指导原则》 |
随着社会经济发展、人民健康理念的转变以及自我健康管理需求的提高,中国目前的健康管理体系存在一些问题。健康管理的发展需要新的技术和理念来解决资源短缺、信息匮乏等问题。AI技术的应用可以提高健康管理效率和精确性,进而大大提升健康管理水平[5]。未来亟待构建一个具有中国特色的、以人民群众面临的健康问题和健康风险因素为导向、以疾病预防和健康保障为中心的现代化健康管理体系[6]。
1.2 现状和趋势AI在医疗健康领域中的运用最早出现于20世纪70年代,是由英国利兹大学在1972年研发的用于辅助诊断腹部剧痛的AAPHelp[7]。采用文献计量学方法,利用VOSviewer 1.6.20.0软件[8]对中国知网上关于AI在健康管理领域的相关文献进行分析,发现目前AI在健康管理领域的应用主要涵盖中医健康管理、老年健康管理和智慧医疗管理3个方面,见图 1。随着现代科学技术的快速发展,AI在健康管理中的研究逐步加深[9],见表 2。以智慧医疗管理为例,目前研究热点主要集中在远程医疗、机器人研发、深度学习及机器学习在医学影像学中的应用等。
|
| 注:每个节点代表关键词,其大小代表频次。节点之间连线的粗细反映了关键词之间联系的密切程度。共同出现频率较高的节点会显示相同的颜色并形成一个集群。红色为中医健康管理集群,绿色为老年健康管理集群,蓝色为智慧医疗管理集群。 图 1 AI在健康管理领域的关键词共现图谱 |
医疗数据呈现指数级的增长趋势,包括个体医疗记录、可穿戴设备中的健康数据等,形成了多元化的数据平台。通过对海量数据进行综合分析,可以生成客观可靠的数据集,为小规模数据分析提供科学参考,更加准确地评估个体纵向指标的变化趋势[22]。随着数据管理的发展,可穿戴设备技术持续改进,健康参数的收集也愈加多样化、标准化。精准医学针对患者制定医疗决策和治疗方案,并考虑例如基因、环境和生活方式等个体差异,减少不必要的检查费用,为患者提供最有效的治疗方案[23]。例如医务人员使用健康管理平台的微信应用程序协助追踪患者的营养恢复状况,根据患者的评估结果及时判断病情,并为特殊或危险患者提供相应的指导和营养康复建议,帮助患者快速恢复至理想的营养状态[24]。
1.2.2 时程——由病期向全生命周期拓展健康管理的共同目标是长期健康并降低疾病风险。《“健康中国2030”规划纲要》指出,医疗服务要覆盖全生命周期,实现从胎儿到生命终点的全程健康服务和健康保障,全面维护人民健康[1]。长期健康涉及营养、生活方式、环境和遗传学的结合。健康管理信息平台通过大量采集身体指标及生活方式相关数据,使得个人数据从单一的疾病期向长期动态化累积,记录人体状况的短期变化特征和长期发展趋势,并系统分析个体全病程至全生命周期的健康变化及特点,从而提供更为精准的生活方式建议及医疗干预[25]。目前,绝大部分健康管理信息平台与医疗穿戴设备尚未实现商业化,但大量随机对照试验(RCT)研究结果表明,基于互联信息技术的健康管理模式在多个领域展现出健康促进效果[25]。例如,1项对42万人开展的大规模评估结果显示,约84%的用户通过智能手表可以对心房颤动进行识别,并在发生房颤时收到智能手表警示[10]。此外,英国1项评估家庭在线血压管理与评估方法(HOME-BP)对高血压病患者影响的RCT结果显示,使用多个设备或平台将促进健康的信息转化为多种媒体形式并配备用药提醒、医护人员指导、邮件咨询等功能的患者,与接受常规健康管理的患者相比,展现出了更好的收缩压控制效果[26]。
1.2.3 应用——从治病向治未病转变健康管理的目标是基于监测数据进行干预,消除危险因素。在监测技术方面,AI机器能够根据人体健康监测及医疗数据,对患者的患病率、再入院率、手术并发症等发生情况进行预测[27-29]。
在现代健康管理中,健康管理意见的顺利实施依赖个体的主动配合。健康管理通过监测和评析人体状况,提供具体的管理方案。在智能化健康管理的过程中,机器交互有助于用户主动了解健康知识,从根本上理解健康管理的重要性及其原理技术,进而增强自身主观管理的意愿[30]。而对于当前人类所面临的慢性病高发病率问题,以患者为中心的主动健康管理显得尤为重要。多项研究证实,以自我管理为主、外界干预为辅的健康管理模式,可以帮助老年人改善生理状况、优化心理状态、提高社交质量,并节省医疗费用[31-32]。斯坦福大学创建的慢性病自我管理项目也得出类似结论,研究发现参与执行自我健康管理项目对于慢性病患者获得良好的生活状态非常有益[33]。
2 《内经》“标本相得”理论对AI赋能健康管理的启示健康管理概念以日常健康测评、测评后指导及对危险因素进行干预3个过程为主线,旨在调动个人、群体以及全社会的积极性,提出精确科学的决策信息,从而利用最少的资源进行个性化健康干预,达到健康管理的最终目标[34]。当前健康管理领域涉及的理论研究相对薄弱,缺乏系统化的理论框架来指导实践,这导致健康管理在实践中难以形成有效的管理机制和运行方法[35]。中医药在中国有着丰富的传统健康管理理念和经验,但在现代健康管理中的应用还不够充分。《内经》作为传统中医理论之源,包含着许多与健康管理相关的理念和方法,例如“天人合一”“治未病”“标本相得”等健康理念。
“标本”一词原指植物的末梢与根茎,随后引申至表示事物的主次、因果、内外、上下、先后等关系,是两个相对的概念。本研究基于“标本相得”理论在疾病本身、疾病与疾病之间、医患双方之间确立的多种不同主次关系,进一步阐述了“病”为医疗之“本”,并强调医者应当重视疾病本身及以患者为核心的理念[36]。对《内经》“标本相得”理论的进一步理解与运用,有助于指导AI赋能健康管理。
2.1 《内经》标本理论 2.1.1 患者为本,医生为标《素问·汤液醪醴论》中记载:“病为本,工为标;标本不得,邪气不服。”此句可以从医患双方之间的主次关系进行解读。一方面,从医患关系的主次角度解读,即患者为主体,医者为客体。这强调医疗活动应以改善患者症状为核心目标展开,遵从将患者置于首要位置的原则。另一方面,从疾病本身和治疗方法的主次关系解读,即以疾病的病因病机为本,医生的治疗方法、所用药物和外治技术为标,强调治疗应关注疾病本身,遏制疾病的发生发展,而非将注意力过分集中在治疗手段上。此外,《素问·汤液醪醴论》亦明确提到:“精神不进,志意不治,故病不可愈。”《素问·五脏别论》记载:“凡治病必察其下,适其脉,观其志意,与其病也。”两句从以患者之神为本,医者治疗为标的角度,进一步阐释了医患之间的标本关系。提示在治疗过程中,要以患者主观意识为引导对象,使患者达到良好的接受治疗的状态。
2.1.2 先病为本,后病为标《素问·标本病传论》言:“先病而后逆者,治其本;先逆而后病者,治其本⋯⋯先病而后生中满者,治其标;先中满而后烦心者,治其本。”此句从先病为本,后病为标的角度探讨了“标本相得”的先后关系、因果关系及缓急关系的实际运用。标本的先后关系是对疾病客观发展的认识,因果关系体现了疾病之间的动态联系性,而缓急关系则是对疾病危急程度的判断。在临床工作中,分清疾病的先后发生顺序、分析疾病的变化发展过程及判断疾病的危急程度十分重要,只有准确分析病情,明确疾病的标本关系,才能选定最终的治则治法并配伍适宜的药物进行治疗。
2.1.3 病因病机为本,症状为标《素问·阴阳应象大论》云:“阴阳者,天地之道也,万物之纲纪,变化之父母,生杀之本始,神明之府也,治病必求于本。”此句指出了“标本相得”在疾病治疗中的关系。《内经》中关于疾病的观点涵盖了广泛的“标本”含义,指出了疾病的病因病机与症状表现之间具有主次、内外、因果等标本关系,并在此基础上提出了具体的治则治法。疾病有主次矛盾,要辨明疾病的病因,并据此辨证施治。疾病的标本关系体现了病因病机的重要性,同时在临床实际运用过程中也强调了审证求因、辨证论治的重要性。
2.2 AI赋能健康管理“三主三辅”模式健康管理利用个人、群体以及社会的整体效应,通过智能化、大数据、物联网等技术对个体的健康状况进行全面监测、分析、总结及评估,为个人或群体提供健康咨询、健康指导及必要的医疗干预,以满足不同体质、不同层次、不同阶段患者全方位的健康需求[37]。“标本相得”理论从不同角度,在《内经》“三因制宜”“天人相应”“形神共养”等多个原则的指导下,从地域、饮食、作息和气候变化等方面对患者进行个性化健康指导。基于此,本研究探索性提出在《内经》“标本相得”理论指导下,未来AI赋能健康管理将呈现出“三主三辅”的发展模式。见图 2。
|
| 图 2 标本相得理论指导下的AI在健康管理中的发展模式 |
随着健康管理模式的发展,医患之间的主次关系也发生了转变,逐步由以“医生为主,患者为辅”转向以“患者为主,医生为辅”。现代健康管理对个人的全生命周期进行监控并对其生活习惯进行干预,注重个人的自我主动意识,与《内经》“标本相得”理论相契合。健康管理在使用AI技术的过程中也应当注重个体的主体性,引导患者主动参与自身健康的检测及管理。
情绪在心身疾病的发生过程中具有重要作用,心理/精神情绪的管理也是健康管理中非常重要的内容之一。AI的介入可以大力辅助精神情绪的智能调节[38]。用于情绪调节的精神健康智慧管理设备与带有摄像头的设备连接,通过人脸识别对用户面部表情进行情绪识别,个性化地为用户推送音乐或视频,改善用户的实时情绪,帮助用户调节心情[39]。在运动方面,个性化及社交化运动管理系统通过多种可穿戴运动监测设备采集用户的作息规律和生活方式数据,为人们提供全面的个性化运动管理与运动社交服务,同时支持运动相关的团队活动和竞赛比拼并支持数据分享与好友排行,增加运动乐趣,能够较好地激励人们积极健身、科学运动,逐步实现个人健康管理模式由被动向主动转变[40-42]。医生是人民健康的指导者,在全生命周期的健康管理中发挥辅助作用。结合“标本相得”理论与现代先进技术的运用,以“人”为本的健康管理是未来重要的发展趋势之一。
2.2.2 未病先防为主,已病治疗为辅在“治未病”理论指导下,现代健康管理通过AI等先进技术精准收集人体生命活动全过程的健康数据及周围环境变化等信息,对个体健康状态进行个性化预防,以防止疾病的发生和发展[43]。AI的发展与应用使全生命周期健康管理成为可能,并逐步将以治疗为主的医学转变为以预防为主。
从个人角度来看,智能预防关注形成疾病状态的原因,更侧重于及时发现并截断病因。从群体角度来讲,智能预防能够截断疾病的发展及传播,共享数据平台的建立可以针对疾病的发病原因进行流行病学调查并给出预警。在学生心理健康监测与评价中,AI通过微表情智能化识别及佩戴心理手环监测生理数据等方式,做到早发现、早预警、早干预,科学有效地预防精神疾病的发生与进展,实现学生心理健康发展[44]。近年来AI在胎儿健康监测领域中的运用也体现了未病先防理念,包括宫内窘迫的判别、畸形筛查、巨大儿预测等[45]。结合《内经》相关理论,未病先防将是现代健康管理的重要发展方向。
2.2.3 生活调理为主,药物治疗为辅现代健康管理通过AI对个人健康数据进行采集与分析,并根据患者所处的不同状态和疾病阶段,提供个性化的生活健康指导与医疗干预,这与《内经》关于疾病的标本理论不谋而合,两者都强调了病因病机的重要性。通过理解和把握疾病的标本关系,对于AI赋能健康管理的实践过程具有指导意义。
基于底层技术赋能的健康管理AI系统的应用主要侧重对生活方式慢病风险等进行评测。通过AI技术结合健康医疗专业产品与服务、医疗健康知识图谱,在有针对性地根据不同智能终端设备的特点和需求进行健康管理系统设定后,将其嵌入到各种智能终端和设备中,为提供精准的闭环式健康管理方案、更好地帮助人们培养良好的饮食生活习惯提供技术支持[46]。以饮食调摄为例,人们可以通过显示屏与引入健康管理AI系统的智能冰箱进行人机交互[47]。智慧健康系统为人们提供人体三维重建、健康测评、饮食推荐等健康管理技能,并对其饮食健康状况进行智能化、精细化调控与管理。此外,依脉人工智能医疗科技有限公司研发的中医舌面象仪利用图像处理技术和AI技术,对舌面图像进行预处理和数字化,并通过诊断模型进行智能分析,针对不同人群提供个性化养生干预建议。《内经》从起居、饮食、运动、房事和情绪调摄等多个方面强调了日常健康管理的重要性,以实现“恬淡虚无,真气从之;精神内守,病安从来”。AI通过分析用户的健康数据,给出以生活方式调理为主的健康管理方案,从预防疾病发生、慢性病管理到病后康复,减少药物使用,形成真正的“天人相应”的健康生活方式。
2.3 AI在健康管理中的应用前景中医健康管理融合现代健康管理学的理论方法,将采集到的中医信息为各类人群提供中医健康咨询指导、健康教育,并实施中医干预以应对健康危险因素。随着AI技术与中医药理论的不断融合与发展,其在健康管理领域的应用前景变得更加广阔,为运用中医“治未病”和“整体观念”等思想指导健康管理提供可能。除了前文提到的可穿戴设备、健康信息管理平台等,AI技术还可以将中医药相关理念及衍生产品嵌入到家庭电器中的软件、虚拟医生助手、智能健康监测系统、移动医疗及相关APP、智能家居设备等多种载体,为个人提供更加个性化、精准化的健康管理服务。在自主健康方面,AI技术可以帮助个人更好地管理自身健康,利用ChatGPT等AI程序提供个性化的健康管理建议与运动方案,帮助个人形成良好的生活习惯及辅助患者进行康复训练。在未病先防方面,AI技术可以通过分析健康数据,预测潜在疾病风险,结合中医药理论提供预防性健康管理策略,帮助个人及时采取预防措施。在生活调理方面,AI技术可以结合智能健康监测系统和智能家居设备,为个人提供生活调理建议,包括饮食、运动、睡眠等方面的个性化指导,减少对药物治疗的依赖。随着AI技术的不断进步和应用,中医健康管理将迎来更加智能化、个性化、高效化的发展,为人们提供更好的健康管理服务。
3 结论《内经》的思想源远流长,至今仍然对健康管理领域具有深远的指导意义。随着AI技术的迅猛发展,使得传统中医理论与现代科学技术完美结合,为健康管理注入了新的活力。AI在数据采集、分析、预警和干预等方面展现出巨大潜力,实现了健康管理的智能化、全程化和个性化。这不仅是对《内经》理论的传承与发扬,更是对现代健康管理理念的创新和发展。医疗领域应当努力为人民群众提供全方位、全生命周期的卫生与健康服务,实现更高水平的全民健康。为此,亟待形成以健康为主导、以预防为主线、以治疗为辅助的“三主三辅”转变。这一模式的实施将有助于实现个体健康的全面管理,提高全民健康素养,并为推动健康中国“大健康”发展进程提供坚实的理论支持。
| [1] |
新华社. 中共中央国务院印发《"健康中国2030"规划纲要》[J]. 中华人民共和国国务院公报, 2016, 1571(32): 5-20. |
| [2] |
郭盈盈, 倪红梅, 程羽, 等. 健康管理研究现状述评[J]. 上海中医药杂志, 2012, 46(10): 4-7. |
| [3] |
韩静. 中国人工智能医疗相关政策文件荟萃[J]. 中华医学信息导报, 2023, 38(8): 4. |
| [4] |
卢昕玥, 王鸿蕴, 郑秋莹, 等. 政策工具视角下我国医疗人工智能的政策文本分析[J]. 中国卫生信息管理杂志, 2021, 18(6): 802-808. |
| [5] |
杨璠, 李连新, 陈菊. 人工智能在中医治未病领域的研究现状与发展[J]. 电脑知识与技术, 2022, 18(7): 12-15. |
| [6] |
谭震, 朱艺, 肖苹, 等. 我国健康管理体系的发展现状及未来展望[J]. 中国社会医学杂志, 2022, 39(3): 247-251. |
| [7] |
韩晓光, 朱小龙, 姜宇桢, 等. 人工智能与机器人辅助医学发展研究[J]. 中国工程科学, 2023, 25(5): 43-54. |
| [8] |
高凯. 文献计量分析软件VOSviewer的应用研究[J]. 科技情报开发与经济, 2015, 25(12): 95-98. |
| [9] |
赵飞, 兰蓝, 曹战强, 等. 我国人工智能在健康医疗领域应用发展现状研究[J]. 中国卫生信息管理杂志, 2018, 15(3): 344-349. |
| [10] |
PEREZ M V, MAHAFFEY K W, HEDLIN H, et al. Large-scale assessment of a smartwatch to identify atrial fibrillation[J]. New England Journal of Medicine, 2019, 381(20): 1909-1917. DOI:10.1056/NEJMoa1901183 |
| [11] |
MIN J, TU J, XU C, et al. Skin-interfaced wearable sweat sensors for precision medicine[J]. Chemical Reviews, 2023, 123(8): 5049-5138. DOI:10.1021/acs.chemrev.2c00823 |
| [12] |
燕雪婷, 王雪龙, 都昱君, 等. 适老性智能家居系统研究与应用[J]. 建筑经济, 2021, 42(S1): 34-38. |
| [13] |
高诗岳, 杨珺涵, 张世祺, 等. "手机端中医舌诊疾病分析系统"及舌诊仪研究进展[J]. 实用中医内科杂志, 2024, 38(11): 75-77. |
| [14] |
刘映辰, 李佳慧, 杨向国, 等. 基于传感器的智能电子脉诊仪的设计[J]. 中国新通信, 2022, 24(15): 55-58. |
| [15] |
郭壮, 马嘉轶, 尹继瑶, 等. 2012-2022年中医诊断装备临床应用分析[J]. 中国中医基础医学杂志, 2024, 30(3): 418-422. |
| [16] |
王锦程, 郁芸, 杨坤, 等. 基于BP神经网络的脑肿瘤MRI图像分割[J]. 生物医学工程研究, 2016, 35(4): 290-293. |
| [17] |
李光林, 郑悦, 吴新宇, 等. 医疗康复机器人研究进展及趋势[J]. 中国科学院院刊, 2015, 30(6): 793-802. |
| [18] |
郑锐, 于广军. 临床辅助决策支持系统研究综述[J]. 中国数字医学, 2023, 18(11): 70-77. |
| [19] |
POLYGERINOS P, WANG Z, GALLOWAY K C, et al. Soft robotic glove for combined assistance and at-home rehabilitation[J]. Robotics and Autonomous Systems, 2014, 73(3): 135-143. |
| [20] |
宋承继, 陈小健. 基于人工智能的智能轮椅设计[J]. 微型电脑应用, 2023, 39(11): 27-29, 33. |
| [21] |
高翔, 甘昕艳, 杨瑞春, 等. "互联网+"中医治未病云平台在社区健康管理中的示范应用[J]. 中国数字医学, 2021, 16(6): 104-109. |
| [22] |
GOTTLIEB L M, TIROZZI K J, MANCHANDA R, et al. Moving electronic medical records upstream: incorporating social determinants of health[J]. American Journal of Preventive Medicine, 2015, 48(2): 215-218. DOI:10.1016/j.amepre.2014.07.009 |
| [23] |
DENNY J C, COLLINS F S. Precision medicine in 2030-seven ways to transform healthcare[J]. Cell, 2021, 184(6): 1415-1419. DOI:10.1016/j.cell.2021.01.015 |
| [24] |
WU Y, WANG X, GAO F, et al. Mobile nutrition and health management platform for perioperative recovery: an interdisciplinary research achievement using WeChat Applet[J]. Frontiers in Medicine, 2023, 10: 1201866. DOI:10.3389/fmed.2023.1201866 |
| [25] |
姚伟元, 徐望红. 新型信息技术在慢性病预防和控制中的应用[J]. 安徽预防医学杂志, 2023, 29(5): 355-359. |
| [26] |
MCMANUS R J, LITTLE P, STUART B, et al. Home and online management and evaluation of blood pressure(HOME BP) using a digital intervention in poorly controlled hypertension: randomised controlled trial[J]. BMJ, 2021, 372: m4858. |
| [27] |
GOLAS S B, SHIBAHARA T, AGBOOLA S, et al. A machine learning model to predict the risk of 30-day readmissions in patients with heart failure: a retrospective analysis of electronic medical records data[J]. BMC Medical Informatics and Decision Making, 2018, 18(1): 44. DOI:10.1186/s12911-018-0620-z |
| [28] |
BERTSIMAS D, DUNN J, VELMAHOS G C, et al. Surgical risk is not linear: derivation and validation of a novel, user-friendly, and machine-learning-based predictive optimal trees in emergency surgery risk(POTTER) calculator[J]. Annals of Surgery, 2018, 268(4): 574-583. DOI:10.1097/SLA.0000000000002956 |
| [29] |
DE BRUIJNE M. Machine learning approaches in medical image analysis: from detection to diagnosis[J]. Medical Image Analysis, 2016, 33: 94-97. DOI:10.1016/j.media.2016.06.032 |
| [30] |
杨旭波. 信息化健康管理云平台在慢性病管理中的应用效果[J]. 中国民康医学, 2020, 32(5): 137-138, 141. |
| [31] |
王羽晗. "以自我管理为主, 家庭、社区支持为辅"的干预模式对农村慢病老年人群健康促进的效果研究[D]. 唐山: 河北联合大学, 2014.
|
| [32] |
廖小兵, 何能清, 陈旭日, 等. 社区慢性病患者健康管理路径选择的探索研究[J]. 中国全科医学, 2013, 16(1): 79-81. |
| [33] |
GUILCHER S J T, BEREKET T, VOTH J, et al. Spanning boundaries into remote communities: an exploration of experiences with telehealth chronic disease self-management programs in rural Northern Ontario, Canada[J]. Telemedicine and e-Health, 2013, 19(12): 904-909. DOI:10.1089/tmj.2013.0057 |
| [34] |
谭晓东, 祝淑珍, 谢棚印, 等. "健康中国"背景下健康管理的发展思路[J]. 公共卫生与预防医学, 2015, 26(6): 1-4. |
| [35] |
吕兰婷, 邓思兰. 我国慢性病管理现状、问题及发展建议[J]. 中国卫生政策研究, 2016, 9(7): 1-7. |
| [36] |
秦健全. 《黄帝内经》标本理论研究[D]. 沈阳: 辽宁中医药大学, 2021.
|
| [37] |
郁秀琴, 张明琛, 王淑霞, 等. 基于互联网的健康管理一体化服务模式探索[J]. 中国卫生产业, 2020, 17(1): 6-7, 10. |
| [38] |
王曼, 贾凤芹. 人工智能在心理咨询与治疗中的应用与发展[J]. 心理月刊, 2023, 18(11): 227-230. |
| [39] |
胡心约, 张恬路, 李英武. 基于AI的情绪识别在组织中的实践: 现状、未来和挑战[J]. 中国人力资源开发, 2022, 39(1): 57-70. |
| [40] |
梁超, 王华, 汤立许. 智慧主动健康服务框架构建与应用策略研究[J]. 中国工程科学, 2023, 25(5): 30-42. |
| [41] |
李绍芝, 那娜, 沈力, 等. 基于机器视觉的运动健康管理微信小程序的设计研究[J]. 现代商贸工业, 2023, 44(11): 261-263. |
| [42] |
张馨月, 刘长梅, 谭文瑞, 等. 人工智能在糖尿病运动管理中应用的研究进展[J]. 预防医学论坛, 2023, 29(9): 718-720, 封3. |
| [43] |
林静怡, 李诗翩, 郭义, 等. 人工智能助力中医药发展现状、问题及建议[J]. 世界中医药, 2022, 17(6): 864-867. |
| [44] |
庞红卫, 王翠芳, 李刚, 等. 基于人工智能的学生心理健康监测与评价体系的构建[J]. 教育测量与评价, 2022(3): 31-39. |
| [45] |
王萌, 弭博岩, 郑奋. 人工智能技术在胎儿健康监测领域的应用[J]. 中国实验诊断学, 2023, 27(6): 755-756, 后插1. |
| [46] |
彭淑方. 初探物联网在智能生活中的实际应用[J]. 数字技术与应用, 2021, 39(12): 59-61. |
| [47] |
戴以蘅. 主动交互驱动的AI时代智能家电设计策略研究[D]. 无锡: 江南大学, 2021.
|
2025, Vol. 44



