李 科

(電子科技大學(xué)生命科學(xué)與技術(shù)學(xué)院 成都 610054)

面向家庭的遠(yuǎn)程醫(yī)療是一種醫(yī)療服務(wù)的新模式，通過配備合適的醫(yī)療設(shè)備，實現(xiàn)醫(yī)療進入家庭，病人可在家中實施監(jiān)護、診斷、治療、康復(fù)和保健，形成多位一體的新的遠(yuǎn)程醫(yī)療模式[1]。還可以利用家庭給一些特殊的心理和認(rèn)知疾病的患者創(chuàng)造更加平和舒適的環(huán)境，有利于監(jiān)測其相關(guān)生理指標(biāo)和對其治療。

Agent技術(shù)是一種軟件技術(shù)，模擬人類社會的組織形式、協(xié)作關(guān)系、進化機制以及認(rèn)知、思維和解決問題的方式。Agent具備感知能力、主動性和協(xié)作性，具有更強的問題求解能力和自治能力。多Agent系統(tǒng)是由多個可以相互交互的Agent所組成的系統(tǒng)，共同合作完成某個復(fù)雜任務(wù)[2]。疾病診斷和治療是一個復(fù)雜過程，有些病癥單靠一個生理參數(shù)或一位只具有某方面特長的醫(yī)學(xué)專家難以診治，需要結(jié)合多個醫(yī)療參數(shù)或多個專家的交互與協(xié)作，共同完成對復(fù)雜病癥的診斷和治療，因此，多Agent系統(tǒng)的結(jié)構(gòu)比較適用于醫(yī)療協(xié)同診斷治療。

注意力缺陷障礙伴多動癥(attention deficit hyperactivity disorder，ADHD)是一種伴隨注意力不集中、多動和沖動的青少年認(rèn)知障礙疾病，不及早治療將出現(xiàn)學(xué)習(xí)障礙和多種行為問題。腦電圖(electroencephalogram，EEG)作為一種無創(chuàng)的、定量的客觀檢測手段，對ADHD提供了很好的診斷和評估手段，經(jīng)常被用作ADHD患者干預(yù)治療后療效的監(jiān)控和神經(jīng)生物反饋治療[3]。

本文設(shè)計一種面向遠(yuǎn)程醫(yī)療的多Agent系統(tǒng)結(jié)構(gòu)與協(xié)作模型，并用于ADHD的遠(yuǎn)程醫(yī)療評估和反饋治療系統(tǒng)。系統(tǒng)針對ADHD的評估和反饋治療要求，將層次分析法用于多Agent之間的協(xié)同醫(yī)療決策算法，其結(jié)果用于指導(dǎo)腦電反饋儀在家中治療ADHD患者，可實現(xiàn)患者在家中利用遠(yuǎn)程醫(yī)療技術(shù)有效地評估和反饋治療ADHD疾病的目標(biāo)。

本文介紹基于Multi-Agents的遠(yuǎn)程醫(yī)療系統(tǒng)設(shè)計，包括系統(tǒng)框架、Agent的結(jié)構(gòu)和基于層次分析法的協(xié)同醫(yī)療行為的決策算法；介紹用于ADHD評估和反饋治療的遠(yuǎn)程醫(yī)療系統(tǒng)的實現(xiàn)。

1 遠(yuǎn)程反饋治療系統(tǒng)設(shè)計

1.1 系統(tǒng)框架

疾病診斷和評估必須依據(jù)疾病相關(guān)的多項檢查指標(biāo)進行，有時還必須結(jié)合多個醫(yī)生的會診結(jié)果，才能得到相應(yīng)的醫(yī)療決策。本文設(shè)計用于遠(yuǎn)程診療的多Agent系統(tǒng)時，需要與醫(yī)療診治相關(guān)的各個Agent之間相互協(xié)同和服務(wù)，共同完成單個Agent無法勝任的遠(yuǎn)程協(xié)同診療任務(wù)。

該多Agent系統(tǒng)結(jié)構(gòu)是基于任務(wù)分解和協(xié)同合作策略設(shè)計的[4]。通過分析系統(tǒng)中各任務(wù)的信息資源和角色定位的特點，對Agent進行任務(wù)分配，每個Agent都執(zhí)行一個特定任務(wù)，承擔(dān)一個固定的職責(zé)。特定任務(wù)是一個簡單任務(wù)，不需要承擔(dān)復(fù)雜的計算任務(wù)，但通過并行的多個Agent之間的任務(wù)合作，知識分享，多個Agent集合在一起就可完成疾病診斷或評估的復(fù)雜任務(wù)[5]。

圖1 基于Multi-Agent的系統(tǒng)結(jié)構(gòu)圖

本文設(shè)計的Multi-Agent遠(yuǎn)程醫(yī)療系統(tǒng)按照Agent的角色定位，Agent可分為患者、醫(yī)生、醫(yī)院、數(shù)據(jù)庫、檢索和監(jiān)控6種，如圖1所示。在整個家庭遠(yuǎn)程疾病監(jiān)控服務(wù)體系中，有社區(qū)醫(yī)學(xué)中心計算機系統(tǒng)，其中包括醫(yī)院Agent、電子病歷數(shù)據(jù)庫，同時還有為其服務(wù)的健康檔案檢索Agent?；颊呒彝ソK端、醫(yī)生終端和管理終端上都有一個Agent平臺，提供一個合適的Agent執(zhí)行環(huán)境。在Agent結(jié)構(gòu)中提供環(huán)境感知、智能推理和任務(wù)分解的技術(shù)，利用Agent的智能性和協(xié)同性，解決原遠(yuǎn)程醫(yī)療系統(tǒng)在參數(shù)協(xié)同和綜合決策方面的不足。

1.2 Agent多層結(jié)構(gòu)

Agent必須具備感知能力、主動性和協(xié)作性，具有更強的問題求解能力和自治能力。所以，每個Agent的功能結(jié)構(gòu)可分為控制層、推理層和領(lǐng)域?qū)?層，體系中還具有通訊、人機界面和環(huán)境感知能力[6]。Agent的智能行為通過對計劃選擇、任務(wù)分解和合作的功能完成，其反應(yīng)能力通過感知新數(shù)據(jù)、新環(huán)境、任務(wù)狀態(tài)及對新任務(wù)的理解完成，如圖2所示。

圖2 Agent功能結(jié)構(gòu)

在該Agent結(jié)構(gòu)中，Agent的領(lǐng)域?qū)又饕侵R庫，包括對特定領(lǐng)域的醫(yī)療行為的規(guī)則和標(biāo)準(zhǔn)。推理層主要通過對知識庫的信息、現(xiàn)有患者信息、既往疾病信息、既往系統(tǒng)反應(yīng)、新環(huán)境參數(shù)等的綜合，再根據(jù)一定的規(guī)則和算法進行計算，得到醫(yī)療決策，并將其分解為新的相關(guān)聯(lián)的任務(wù)和新的數(shù)據(jù)，從而在控制層根據(jù)數(shù)據(jù)驅(qū)動和事件驅(qū)動技術(shù)，控制系統(tǒng)的智能反應(yīng)和執(zhí)行。

環(huán)境感知模塊主要用于接收從相關(guān)人機交互接收來的原始數(shù)據(jù)，通過加工形成疾病診斷需要的參數(shù)。另外通過與其他Agent的通訊聯(lián)系，得到來自其他Agent收集的環(huán)境信息，特別是通過健康檔案檢索Agent，在社區(qū)醫(yī)院健康檔案數(shù)據(jù)庫中完成對患者既往病歷數(shù)據(jù)的收集，綜合產(chǎn)生用于任務(wù)決策的狀態(tài)信息。之后，再結(jié)合原來規(guī)劃的任務(wù)和承諾表，通過來自知識庫的的規(guī)則和決策算法，推理得到相應(yīng)的醫(yī)療決策，用以驅(qū)動系統(tǒng)行為。

1.3 基于層次分析法的協(xié)同決策算法

多個Agent完成醫(yī)療決策和評估是建立在對多個客觀參數(shù)指標(biāo)的感知基礎(chǔ)上，通過對多個參數(shù)綜合評價得出的。本文采用層次分析法(analytic hierarchy process)對于多參數(shù)多目標(biāo)的任務(wù)進行評估。文獻[7]提出的層次分析法是一種十分有效的定性分析與定量分析有機結(jié)合的方法，其基本思路是決策者通過將復(fù)雜問題分解為若干層次和若干要素在各要素間簡單地進行比較、判斷和計算，以獲得待選方案的權(quán)重，為選擇最優(yōu)方案提供決策依據(jù)。

該算法通過構(gòu)建層次分析模型和構(gòu)造成對比較矩陣完成，在模型中確定目標(biāo)層、指標(biāo)層和方案層，如圖3所示。構(gòu)造成對比較矩陣是通過對上下層間影響程度排序、比較和計算，得出相對重要程度建立判斷矩陣，最終得到方案層優(yōu)劣排序，從而智能化地為系統(tǒng)行為提供科學(xué)決策的依據(jù)。

2 ADHD遠(yuǎn)程評估和反饋治療系統(tǒng)

本文將以上設(shè)計的基于Multi-Agent的遠(yuǎn)程醫(yī)療系統(tǒng)模型用于針對兒童注意力缺陷伴多動癥(ADHD)的評估和治療。

2.1 ADHD評估與腦電反饋治療

評估ADHD兒童時，最重要的3種方法為會談、量表評估和客觀指標(biāo)檢測。本文對3種醫(yī)學(xué)參數(shù)進行分析，即會談結(jié)論、量表評估結(jié)果和腦電信息進行分析成為針對ADHD評估的主要參數(shù)。

與醫(yī)師的會談一般在醫(yī)院進行，為了分辨兒童是否患有ADHD，需了解有關(guān)兒童的一般事項、學(xué)校生活，以及有關(guān)父母與家庭環(huán)境的內(nèi)容、父母子女間互動情形等多項資料，會談結(jié)論及醫(yī)學(xué)性評估結(jié)果將記錄在電子病歷數(shù)據(jù)庫中。

本文設(shè)計出通過網(wǎng)絡(luò)在家里對患者進行相關(guān)的量表及問卷調(diào)查的客觀的行為評估。使用兒童行為檢核表(child behavior checklist，CBCL)、柯能氏行為量表短版(conner’s parent rating scale-revised，Short Form)及美國簡化康奈爾兒童行為量表(簡稱康氏表)[8]。這些量表除了可協(xié)助診斷，也可作為治療效果的評估依據(jù)，這些工作在家庭熟悉的環(huán)境中完成，可減少外界因素對于評估結(jié)果的干擾。

另外，腦電圖(EEG)的波形、幅值、頻率的周期性和節(jié)律性以及空間域特殊定位等，為ADHD的生物反饋提供了豐富的信息。通過一個便攜式家用腦電采集設(shè)備，獲取實時的腦電信息，并作為ADHD程度評估的參數(shù)。

本文使用的與ADHD生物反饋相關(guān)的腦波是4～8 Hz的θ波和16～21 Hz的β波。通過增強β波，抑制θ波，觀察θ /β比值的變化來反饋調(diào)節(jié)患者注視屏幕動畫的變化；通過訓(xùn)練選擇性強化某一頻率的腦波達(dá)到預(yù)期的目的[8]；通過患者注視動畫的程度決定對其的獎罰，從而達(dá)到治療的目的。

2.2 ADHD評估與腦電反饋治療系統(tǒng)

整個系統(tǒng)結(jié)構(gòu)如圖1所示。在患者家庭系統(tǒng)中增加了一個腦電反饋系統(tǒng)，包括一套腦電采集儀和控制軟件。在系統(tǒng)中還設(shè)計開發(fā)了針對ADHD反饋治療的兒童樂于接受的游戲，在游戲中設(shè)計的通關(guān)過程配合醫(yī)生制定的治療方案和療程安排，還在游戲中設(shè)計獎罰規(guī)則，患者在接受長時間治療訓(xùn)練時，容易保持注意力集中，因而效果也比其他方法好，從而達(dá)到訓(xùn)練集中注意力的目的。

訓(xùn)練過程中將腦電模式反饋與訓(xùn)練任務(wù)配合，可以通過一段時間訓(xùn)練中掌握的自身調(diào)節(jié)改變腦電波形，從而達(dá)到調(diào)節(jié)大腦狀態(tài)的目的。ADHD的評估使用CBCL量表評分、Conners量表評分、康氏表評分及腦電功率θ /β比值4個參數(shù)作為層次分析法中指標(biāo)層評估指標(biāo)，權(quán)重設(shè)計可根據(jù)人群和個體由醫(yī)生進行設(shè)置，如圖3所示。

圖3 用于ADHD評估的層次分析模型

治療方案分為4個療程進行，每周可進行5～7次，部分患兒每天2次，每次可進行30 min[9-10]。每個療程的場景、游戲進度和任務(wù)都不同，分別適合病情不同患者的狀態(tài)。而評估進入哪個療程是采用層次分析法，根據(jù)3個量表的評分結(jié)果和腦電功率θ /β比值4個關(guān)鍵指標(biāo)的綜合計算，對預(yù)選方案排序得到。每個療程內(nèi)，是在一個可變范圍內(nèi)根據(jù)腦電功率θ /β比值動態(tài)調(diào)節(jié)游戲內(nèi)主角的動作，實時產(chǎn)生獎勵和懲罰而運行的。

2.3 評估與治療中Agent之間協(xié)同過程

系統(tǒng)功能中，醫(yī)生可根據(jù)病人情況或人群年齡等，通過系統(tǒng)參數(shù)的設(shè)置個性化地設(shè)計患者個人治療計劃。

系統(tǒng)運行時，患者在家中啟動患者Agent中的登錄功能，系統(tǒng)同時通知醫(yī)生Agent、管理Agent及醫(yī)院Agent，管理Agent確認(rèn)登錄，醫(yī)生Agent確認(rèn)患者，醫(yī)院Agent通過健康檔案檢索Agent查找患者健康檔案信息并自動向醫(yī)生Agent、患者Agent及管理Agent傳輸存儲在社區(qū)醫(yī)院數(shù)據(jù)庫中的患者健康信息。醫(yī)生Agent向患者Agent發(fā)送量表及治療計劃?；颊呒凹议L完成相關(guān)量表，系統(tǒng)自動評分，并存儲在社區(qū)醫(yī)院中心數(shù)據(jù)庫?；颊逜gent申請反饋治療，醫(yī)生Agent根據(jù)患者評分情況和歷史健康記錄，查找知識庫中的推理規(guī)則，參照美國精神病學(xué)會出版的《精神病診斷統(tǒng)計手冊》第4版(DSM-Ⅳ)關(guān)于ADHD的診斷標(biāo)準(zhǔn)項目指標(biāo)，如對CBCL、Conner’s量表評分超過15分，康氏評分超過10分者[10-11]，再進行腦電分析，決定是否同意患者Agent啟動基于游戲的反饋系統(tǒng)，并開始實時采集腦電數(shù)據(jù)，計算腦電功率θ /β比值。量表評分結(jié)果和θ /β比值作為指標(biāo)層參數(shù)參與計算，通過層次分析法選擇療程，進入相應(yīng)的治療階段[12]。治療完成后，患者Agent將自動記錄整個行為過程，并通知醫(yī)生Agent、管理Agent和醫(yī)院Agent結(jié)束整個治療過程。

2.4 系統(tǒng)實現(xiàn)

本文選擇Java Agent Development Framework(JADE)作為Agent構(gòu)建和執(zhí)行的開發(fā)框架。JADE是一個軟件開發(fā)框架，用于開發(fā)多Agent系統(tǒng)和符合Foundation for Intelligent Physical Agent (FIPA)標(biāo)準(zhǔn)的智能Agent應(yīng)用程序。遠(yuǎn)程醫(yī)療系統(tǒng)內(nèi)不同Agent通信是由JADE支持的Internet inter-ORB Protocol(IIOP)協(xié)議完成的。系統(tǒng)的游戲和腦電采集儀均為自己開發(fā)完成。

3 結(jié) 論

本文研究基于Multi-Agents的遠(yuǎn)程醫(yī)療系統(tǒng)模型和醫(yī)療協(xié)同決策算法，不同Agent承擔(dān)簡單任務(wù)，共同完成醫(yī)療決策的復(fù)雜任務(wù)。項目針對ADHD的要求，實現(xiàn)基于層次分析決策算法的ADHD的遠(yuǎn)程評估體系，并可指導(dǎo)基于游戲的遠(yuǎn)程腦電反饋治療系統(tǒng)的運行。系統(tǒng)的進一步開發(fā)可根據(jù)ADHD評估的結(jié)果和患者的實際情況，加入相應(yīng)的醫(yī)學(xué)知識的教育功能，全面實現(xiàn)一體化家庭醫(yī)療的新模式。

[1] 張全海, 葉晨洲, 施鵬飛. 基于Multi-Agents分布式醫(yī)學(xué)診斷系統(tǒng)研究[J]. 信息與控制, 2003, 23(1): 23-27.

ZHANG Quan-hai, YE Chen-zhou, SHI Peng-fei. Study of multi-Agents distributed medical diagnosis system[J].Information and Control, 2003, 23(1): 23-27.

[2] CAMARINHA-MATOS L M, AFSARMANESH H.Infrastructures for collaborative networks: An application in elderly care[C]//Proceedings of the 2005 Symposium on Applications and the Internet (SAINT’05). [S.l.]: INSPEC,2005.

[3] 錢秋謹(jǐn), 楊莉, 王玉鳳. 兒童注意缺陷多動障礙的研究進展[J]. 北京大學(xué)學(xué)報(醫(yī)學(xué)版), 2007, 39(3):323-328.

QIAN Qiu-jin, YANG Li, WANG Yu-feng. Advances on comprehensive research on attention deficit hyperactivity disorder [J]. Jounral of Peking University (Health Science),2007, 39(3): 323-328.

[4] 韓江洪, 江波, 杜詩研, 等. 一種基于多Agent系統(tǒng)的智能家庭網(wǎng)絡(luò)研究[J]. 電子科技大學(xué)學(xué)報, 2005, 34(2):233-235.

HAN Jiang-hong, JIANG Bo, DU Shi-yan. Research on an MAS-based intelligent home network[J]. Journal of University of Electronic Science and Technology of China,2005, 34(2): 233-235.

[5] VASSILIS G K, IOANNA C, NICOS M. A multiagent systemenhancing home-care health services for chronic disease management[J]. IEEE Trans-Information Technology in Biomedicine, 2005, 9(4): 528-537.

[6] HUANG J, JENNINGS N R, FOX J. Intelligent agents for distributed patient care[J]. IEE Colloquium on Artificial Intelligence in Medicine, 1996, 2: 1-4.

[7] 吳松華. 基于多Agent的醫(yī)療急救系統(tǒng)的研究與設(shè)計[D].大連: 大連理工大學(xué), 2006.

WU Song-hua. Research and design of medical emergency system based on multi-agent[D]. Dalian: Dalian University of Technology, 2006.

[8] 劉光陵, 伏潔, 夏正坤, 等. 腦電生物反饋治療小兒注意力缺陷伴多動障礙的療效及合適療程探討[J]. 中國全科醫(yī)學(xué), 2006, 9(22): 1853-1855.

LIU Guang-ling, FU Jie, XIA Zheng-kun, et al. Effects of EEG biofeedback in the treatment of children attention deficit hyperactivity disorder[J]. Chinese General Practitioner, 2006, 9(22): 1853-1855.

[9] FEDOTCHEV A I, KIM E V. Correction of functional disturbances during pregnancy by the method of adaptive EEG biofeedback training[J]. Human Physiology, 2006,32(6): 65-70.

[10] 翟杰, 省金嶺, 仇新華. 腦電反饋治療對共患ADHD和學(xué)習(xí)障礙患兒注意、智力影響[J]. 中國兒童保健雜志,2008, 4: 407-409

ZHAI Jie, SHENG Jin-ling, QIU Xin-hua, et al. Effect of electroencephalogram biofeedback on intelligence and attention of children w ith comorbidity of ADHD and learning disorder[J]. Chinese Journal of Child Health Care,2008, 4: 407-409.

[11] KOUTKIAS V G, CHOUVARDA I, MAGLAVERAS N.Multi-agent system architecture for heart failure management in a home care environment[J]. Computers in Cardiology, 2003, 30: 383-386.

[12] 伏潔, 劉光陵, 夏正坤, 等. 腦電波θ/β比值對不同年齡段兒童注意缺陷多動障礙的診斷價值[J]. 中國全科醫(yī)學(xué),2008,11(14): 1242-1244.

FU Jie, LIU Guang-ling, XIA Zheng-kun. Value of θ/β brain wave in diagnosis of attention deficit hyperactivity disorder in children of different age groups[J]. Chinese General Practitioner, 2008, 11(14): 1242-1244.

編 輯 黃 莘