人工智能辅助下心力衰竭患者症状监测与个体化护理干预研究

摘要

目的：本研究旨在系统评估基于人工智能（ArtificialIntelligence,AI）构建的症状监测与预警系统，结合其触发的个体化护理干预方案，在改善心力衰竭（HeartFailure,HF）患者临床结局及生活质量方面的有效性与可行性。方法：采用前瞻性随机对照研究设计，选取2022年3月至2023年8月期间于本院心血管内科住院治疗后出院的HF患者作为研究对象。将符合纳排标准的200例患者，利用随机数字表法均等分为观察组与对照组，每组各100例。对照组接受常规出院指导与定期门诊随访，观察组则在常规护理基础上，应用自主研发的“心衰AI管家”系统进行辅助管理。该系统整合了可穿戴设备（用于连续监测心率、血氧饱和度、体动等）、患者自报告症状移动端应用（每日录入体重、呼吸困难程度、下肢水肿、疲劳感等）以及基于机器学习算法构建的风险预警模型。AI模型对多源数据进行实时分析，一旦识别出符合早期恶化特征的数据模式，即自动向护理团队发送预警。护理团队根据预警级别，启动预设的个体化干预预案，包括主动电话指导、药物调整建议、强化教育或协助安排紧急就医。研究持续干预6个月，主要观察指标包括：心力衰竭再入院率、因心力衰竭加重的急诊就诊率；次要观察指标包括：左心室射血分数（LVEF）、N末端B型利钠肽原（NT-proBNP）水平、6分钟步行试验（6MWT）距离，以及采用明尼苏达心力衰竭生活质量量表（MLHFQ）评估的生活质量变化。结果：干预6个月后，观察组患者的各项指标显著优于对照组。在主要结局方面，观察组的全因再入院率（15.0%vs. 32.0%，χ2=8.23,P<0.01）及因心衰加重的急诊就诊率（9.0%vs. 21.0%，χ2=5.94,P<0.05）均显著低于对照组。在次要结局指标上，观察组患者的LVEF改善更明显（[ 42.5±5.8）%vs.（ 38.2±6.1）%，t=4.87,P<0.001]，NT-proBNP水平下降更显著（[ 1256±423）pg/mLvs. （1850±587）pg/mL，t=7.52,P<0.001]，6MWT距离增加更多[（358.6±45.2）mvs. （312.4±50.7）m，t=6.78,P<0.001]。生活质量评估显示，观察组MLHFQ总分降低幅度更大（[ 31.2±7.5）分vs.（ 41.8±9.2）分，t=8.91,P<0.001]，提示生活质量得到更大改善。所有差异均具有统计学意义。结论：基于人工智能的症状监测与预警系统，能够实现对心力衰竭患者生理状态的连续、动态评估，并有效触发及时、精准的个体化护理干预。该模式显著降低了患者的再入院风险和急诊就医需求，同时在改善患者心功能、运动耐量及生活质量方面展现出明确优势，是一种具有广阔应用前景的新型心衰管理模式。