区块链和人工智能驱动的脑血管病诊疗和质量管理决策范式研究

doi:10.3969/j.issn.1673-5765.2021.07.001

中国卒中杂志 ›› 2021, Vol. 16 ›› Issue (07): 639-642.DOI: 10.3969/j.issn.1673-5765.2021.07.001

区块链和人工智能驱动的脑血管病诊疗和质量管理决策范式研究

王孟, 韩颖, 李子孝

1北京 100070首都医科大学附属北京天坛医院国家神经系统疾病临床医学研究中心
2国家神经系统疾病医疗质量控制中心
3首都医科大学附属北京天坛医院神经病学中心
4北京脑科学与类脑研究中心
5中国医学科学院脑血管病人工智能研究创新单元

收稿日期:2021-05-06 出版日期:2021-07-20 发布日期:2021-07-20
通讯作者: 李子孝 lizixiao2008@hotmail.com
基金资助:
国家自然科学基金（92046016）
“十三五”国家重点研发计划（2017YFC131090）
北京市自然科学基金（Z200016）
北京市科学技术委员会基于人工智能的脑血管病临床诊疗决策研究（Z201100005620010）
北京市百千万人才项目（2018A13）
北京市青年拔尖人才项目（2018000021223ZK03）

Research on Lockchain Technology and Artificial Intelligen-Driven Cerebrovascular Disease Diagnosis and#br# Treatment and Quality Management Decision Paradigm#br#

Received:2021-05-06 Online:2021-07-20 Published:2021-07-20

摘要/Abstract

关键词: 脑血管病; 大数据; 医疗质量; 管理决策范式

王孟, 韩颖, 李子孝. 区块链和人工智能驱动的脑血管病诊疗和质量管理决策范式研究[J]. 中国卒中杂志, 2021, 16(07): 639-642.

WANG Meng, HAN Ying, LI Zi-Xiao. Research on Lockchain Technology and Artificial Intelligen-Driven Cerebrovascular Disease Diagnosis and#br# Treatment and Quality Management Decision Paradigm#br#[J]. Chinese Journal of Stroke, 2021, 16(07): 639-642.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.chinastroke.org.cn/CN/10.3969/j.issn.1673-5765.2021.07.001

https://www.chinastroke.org.cn/CN/Y2021/V16/I07/639

参考文献

[1] ZHOU M G，WANG H D，ZENG X Y，et al.
Mortality，morbidity，and risk factors in China and
its provinces，1990-2017：a systematic analysis for
the Global Burden of Disease Study 2017[J]. Lancet，
2019，394（10204）：1145-1158.
[2] 马林，巢宝华，曹雷，等. 2007-2017年中国脑卒中流
行趋势及特征分析[J/CD]. 中华脑血管病杂志（电子
版），2020，14（5）：253-258.
[3] LI Z X，JIANG Y，LI H，et al. China's response
to the rising stroke burden[J/OL]. BMJ，2019，364：
l879[2021-05-01]. https：//doi.org/10.1136/bmj.l879.
[4] 张毓辉，柴培培，翟铁民，等. 2017年我国心脑血管
疾病治疗费用核算与分析[J]. 中国循环杂志，2020，
35（9）：859-865.
[5] LI Z X，WANG C J，JIANG Y，et al. Rationale and
design of patient-centered retrospective observation
of guideline-recommended execution for stroke
sufferers in China：China PROGRESS[J]. Stroke
Vasc Neurol，2019，4（3）：165-170.
[6] LI Z X，WANG C J，ZHAO X Q，et al. Substantial
progress yet significant opportunity for improvement
in stroke care in China[J]. Stroke，2016，47（11）：
2843-2849.
[7] YANG X M，RAO Z Z，GU H Q，et al. Atrial
fibrillation known before or detected after stroke
share similar risk of ischemic stroke recurrence and
death[J]. Stroke，2019，50（5）：1124-1129.
[8] 杨昕，谷鸿秋，王海波，等. 全国三级公立医院卒中
医疗质量现状分析[J]. 中国卫生质量管理，2020，27
（1）：5-8.
[9] GU H Q，RAO Z Z，YANG X，et al. Use of
emergency medical services and timely treatment
among ischemic stroke[J]. Stroke，2019，50（4）：
1013-1016.
[10] LI Z X，SINGHAL A B，WANG Y J. Stroke
physician training in China[J/OL]. Stroke，2017，48
（12）：e338-e340[2021-05-01]. https：//doi.org/10.
1161/STROKEAHA.117.019462.
[11] WANG Y L，LI Z X，ZHAO X Q，et al. Evidencebased
performance measures and outcomes in
patients with acute ischemic stroke[J/OL]. Circ
Cardiovasc Qual Outcomes，2018，11（12）：
e001968[2021-05-01]. https：//doi.org/10.1161/
CIRCOUTCOMES.115.001968.
[12] JOHNSTON S C，SIDNEY S，HILLS N K，et al.Standardized discharge orders after stroke：results of
the quality improvement in stroke prevention（QUISP）
cluster randomized trial [J]. Ann Neurol，2010，67
（5）：579-589.
[13] HSIEH F I，LIEN L M，CHEN S T，et al. Get
With the Guidelines-Stroke performance indicators：
surveillance of stroke care in the Taiwan Stroke
Registry：Get With the Guidelines-Stroke in
Taiwan[J]. Circulation，2010，122（11）：1116-1123.
[14] WANG Y L，LI Z X，XIAN Y，et al. Rationale
and design of a cluster-randomized multifaceted
intervention trial to improve stroke care quality in
China：the golden bridge-acute ischemic stroke[J].
Am Heart J，2015，169（6）：767-774.
[15] 孟群. 夯实健康医疗大数据基础助推人工智能应
用与发展[J]. 中国卫生信息管理杂志，2017，14（5）：
633.
[16] LAU E，WU J C. Omics，big data，and precision
medicine in cardiovascular sciences[J]. Circ Res，
2018，122（9）：1165-1168.
[17] 徐惠，王飞. 基于电子病历首页数据的医疗质量管理
实践[J]. 中华医院管理杂志，2019，35（z1）：23-25.
[18] HEMINGWAY H，ASSELBERGS F W，DANESH
J，et al. Big data from electronic health records for
early and late translational cardiovascular research：
challenges and potential[J]. Eur Heart J，2018，39
（16）：1481-1495.
[19] 高东平，王士泉，李伟，等. 基于区块链技术的医
疗大数据平台架构研究[J]. 中国数字医学，2019，14
（1）：29-32.
[20] 李子孝，刘涛，丁玲玲，等. 机器学习在脑血管病诊
疗应用中的研究进展[J]. 中国卒中杂志，2020，15
（3）：283-289.
[21] 丁玲玲，李子孝，王拥军. 人工智能临床决策支持系
统在脑血管病中的应用[J]. 中国卒中杂志，2020，15
（3）：290-295.
[22] TITANO J J，BADGELEY M，SCHEFFLEIN J，et
al. Automated deep-neural-network surveillance of
cranial images for acute neurologic events[J]. Nat
Med，2018，24（9）：1337-1341.
[23] GARG R，OH E，NAIDECH A，et al. Automating
ischemic stroke subtype classification using machine
learning and natural language processing[J]. J Stroke
Cerebrovasc Dis，2019，28（7）：2045-2051.
[24] PIAZZA G，HURWITZ S，GALVIN C E，et al.
Alert-based computerized decision support for highrisk
hospitalized patients with atrial fibrillation
not prescribed anticoagulation：a randomized，
controlled trial（AF-ALERT）[J]. Eur Heart J，2020，
41（10）：1086-1096.
[25] MURRAY N M，UNBERATH M，HAGER G D，et
al. Artificial intelligence to diagnose ischemic stroke
and identify large vessel occlusions：a systematic
review[J]. J Neurointerv Surg，2020，12（2）：156-
164.
[26] DONABEDIAN A. Perspectives on the free choice
of the source of personal health care[J]. Milbank
Mem Fund Q Health Soc，1981，59（4）：586-595.
[27] AZARIA A，EKBLAW A，VIEIRA T，et al.
Medrec：using blockchain for medical data access
and permission management[C/OL]//2016 2nd
International Conference on Open and Big Data
（OBD）. IEEE，2016：25-30[2021-05-01].
https：//ieeexplore.ieee.org/document/7573685.
[28] KRITTANAWONG C，ROGERS A J，AYDAR
M，et al. Integrating blockchain technology with
artificial intelligence for cardiovascular medicine[J].
Nature Reviews Cardiology，2019，17（1）：1-3.
[29] KRITTANAWONG C，ROGERS A J，AYDARM，et al. Integrating blockchain technology withartificial intelligence for cardiovascular medicine[J].Nat Rev Cardiol，2020，17（1）：1-3.
[30] 李子孝，刘翔宇，朱皞罡，等. 基于区块链技术的缺血性卒中医疗质量评价应用初探[J]. 中国卒中杂志，2020，15（6）：578-586.

区块链和人工智能驱动的脑血管病诊疗和质量管理决策范式研究

Research on Lockchain Technology and Artificial Intelligen-Driven Cerebrovascular Disease Diagnosis and#br# Treatment and Quality Management Decision Paradigm#br#

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	蔡任之, 邵海妍, 陈蕾, 钱耐思, 李琦, 晋珊, 杨之雨, 虞慧婷. 2002—2021年上海市脑血管病死亡率变化趋势及其对期望寿命的影响分析[J]. 中国卒中杂志, 2026, 21(4): 411-421.
[2]	李琦, 晋珊, 陈蕾, 杨之雨, 蔡任之, 钱耐思, 郑雅旭, 虞慧婷. 2014—2020年上海市极端气温与脑血管病死亡的关联[J]. 中国卒中杂志, 2026, 21(4): 446-455.
[3]	国家神经系统疾病医疗质量控制中心, 中国卒中学会医疗质量管理与促进分会, 中国卒中学会神经介入分会. 急性缺血性卒中再灌注治疗医疗质量评价与改进专家建议（2026）[J]. 中国卒中杂志, 2026, 21(3): 338-352.
[4]	熊云云, 路正钊, 马瑛, 单大卫, 吴娜, 郝曼均, 马宇洁, 武双喆, 李祉馨, 沈柯佳, 唐奕哲, 王拥军. 卒中：回眸2025[J]. 中国卒中杂志, 2026, 21(1): 1-23.
[5]	吕寿祝. 脑血管病学科带头人评价指标体系构建研究[J]. 中国卒中杂志, 2025, 20(7): 929-933.
[6]	张杰, 李昊, 程丝. 脑血管病的多组学研究[J]. 中国卒中杂志, 2025, 20(6): 657-662.
[7]	熊云云, 王拥军. 从起步到辉煌——中国卒中临床研究发展20年[J]. 中国卒中杂志, 2025, 20(5): 519-528.
[8]	谭泽锋, 徐安定. 改变指南的力量——近20年中国缺血性脑血管病重磅临床研究[J]. 中国卒中杂志, 2025, 20(5): 529-548.
[9]	张哲, 郑丽娜, 杨中华, 刘丽萍. 重症脑血管病临床研究20年[J]. 中国卒中杂志, 2025, 20(5): 555-565.
[10]	周宏宇, 李子孝. 数字生物标志物：打开数智医疗应用的钥匙[J]. 中国卒中杂志, 2025, 20(4): 385-390.
[11]	张淋源, 沈翔, 吕海燕, 王国栋, 吴云成. 人工智能在提升神经科住院医师脑血管病诊治能力中的应用与挑战[J]. 中国卒中杂志, 2025, 20(3): 380-383.
[12]	高晓艳, 邓柳丽, 尚静, 武晶晶, 王昊. 全球脑血管病领域撤稿论文特征分析[J]. 中国卒中杂志, 2025, 20(2): 247-252.
[13]	熊云云, 李光硕, 马宇洁, 李祉馨, 沈柯佳, 马瑛, 孙大鹏, 孙溢阳, 王拥军. 卒中：回眸2024[J]. 中国卒中杂志, 2025, 20(1): 1-19.
[14]	刘利强, 李光耀, 吉训明. 数智赋能心脑血管病危险因素监测与防治：现状和展望[J]. 中国卒中杂志, 2025, 20(1): 41-47.
[15]	梁艳超, 王晓岩, 单凯. 基于DMAIC模型的妊娠合并脑血管病急诊就诊流程优化研究 [J]. 中国卒中杂志, 2024, 19(8): 873-879.