数智中医全链条赋能基层重大慢病“防筛诊治管”：聚焦心脑血管与肿瘤研究

摘要

在数智技术与基层医疗融合及中医药数字化转型政策推动下，数智中医已成为提升基层重大慢病管理能力的核心战略。本文聚焦心脑血管疾病与肿瘤重大慢病，系统探讨了数智中医在基层管理中的应用现状、挑战及可行路径。研究表明，数智中医在慢病“防-筛-诊-治-管”全链条基层医疗服务中展现出新兴潜力。然而，当前仍面临数据孤岛与安全风险、算法模型与实际临床需求脱节、以及基层医护人员与老年患者数字素养薄弱等现实困境。为应对这些问题，本文提出应建设安全互通的区域数据平台、开发适配基层能力的轻量化智能设备与配套服务、统一技术与数据标准并完善质控体系、研发具有自适应性和动态更新能力的模型、开展跨学科人才培养与患者教育、强化政策引导与医保支付支持。总体而言，数智中医对提升基层医疗服务效能、构建创新的中医慢病全周期管理模式具有深远意义。

关键词：人工智能；慢病管理；基层医疗；数智中医；技术应用

文章解读

随着我国人口老龄化加剧和慢性病发病率的不断攀升，基层医疗卫生体系面临着前所未有的挑战。根据2023年国家卫健委发布的卫生健康事业发展统计公报，乡镇卫生院心脑血管疾病死亡率比城市地区高21.5%，而肿瘤早期诊断率仍低于30%。这些数据凸显了社区层面重大慢性病管理面临的巨大负担，而患者路径呈现碎片化，“防-筛-诊-治-管”全流程缺乏有效整合，进一步加剧了这一问题。在此背景下，中医药“治未病”理念，强调“未病先防、既病防变、瘥后防复”，为社区层面重大慢性病综合管理提供了独特而有价值的框架。

国家中医药管理局《“十四五”中医药信息化发展规划》明确要求加强中医药信息化基础设施建设；《关于促进数字中医药发展的若干意见》也指出，推动数字技术融入基层中医药服务全链条。通过智能化手段将中医诊疗技术下沉到基层，不仅能够有效解决基层“看好中医难”的痛点，还能构建区域统筹-基层应用的中西医结合慢病管理新范式，减少医疗资源消耗，提高基层医疗服务的可及性和精准性。近年来，数智中医在基层慢病管理中的应用逐渐受到关注，相关研究在多病种、多层级实践中初步展现出良好的可行性与推广潜力，为提升基层慢病管理效率、强化防控前移提供了具有中医特色的路径。

因此，推动数智中医赋能基层重大慢病管理，不仅是响应国家政策导向的必然选择，更是提升基层医疗服务水平、改善基层慢病患者生活质量的重要举措。本文将围绕数智中医在基层重大慢病管理中的现状、挑战及突破路径展开研讨，以期为基层医疗的高质量发展提供理论支持与实践指导。

1 数智中医全链条赋能基层医疗体系

数智中医正成为基层重大慢病“防-筛-诊-治-管”全链条发展的重要驱动力。 鉴于中医在非侵入性、操作简便性以及个体化辨体辨证方面的固有优势，数智中医尤为契合基层医疗机构资源相对有限且服务需求复杂多样的特点。当前研究在多病种、多层级实践中初步展现出良好的可行性与推广潜力，为提升基层慢病管理效率、强化防控前移提供了中医特色路径。

图1 数智中医全链条赋能基层医疗体系概览

1.1 疾病预测与风险评估

在基层医疗体系中，疾病预测与风险评估是促使诊疗关口前移和提升医疗服务质量的关键环节，主要可分为基于单模态物理特征的识别、基于多模态异构特征的融合建模以及基于中医证候或体质复合概念的风险预测。

在单模态识别方面，模型多基于望诊或脉诊数据，如基于面诊理论和面部视频预测血压与心率，基于舌象特征融合的糖尿病前期和糖尿病风险预测、基于中医脉诊数据实现高血压危险分层预测，均表现出良好性能与临床适用性，为基层慢病预防提供简易工具。也有研究进行多模态数据融合，提升风险预测的全面性与精准度，如整合舌、面、脉及实验室指标实现无创冠状动脉闭塞风险评估，为基层无法接受有创检查的人群提供替代方案。基于人脸和手部图像的模型可以有效地辅助预测中风疾病。在证候与体质驱动建模方面，体现中医理论优势，10年社区随访发现，中医火证对卒中风险的贡献度大于传统的脑血管危险因素，提示将中医证候纳入基层风险评估的可行性。同时，中医体质辨识也已用于早期发现胃癌高危人群并提供个体化干预。

1.2 慢性病早期筛查

基层疾病早期筛查是阻断重大慢病进展、降低疾病负担的重要一步，亦是对中医“治未病”理念的有效践行。然而，目前贫困和农村地区居民癌症筛查比例较低，亟需采取有效的干预策略，以增强高危人群接受筛查的机会。同时，调查显示基层医生对增强筛查能力有强烈需求，特别是在心血管、视网膜和癌症相关领域。在此背景下，将中医诊断原则与数字技术相结合的筛查模型在提高基层医疗机构的可及性、精准性和患者接受度方面展现出独特价值。

研究者设计中西医结合智能体检系统，根据检查结果提供个性化医疗建议，与传统体检系统相比显著提高了患者满意度，此类模式在基层人群中的可接受性与依从性较高，有利于推广应用。同时，不少研究者构建智能筛查模型，提升筛查的敏感性和特异性，如构建基于舌像和问诊信息的多模态人工智能辅助内镜前筛查模型，实现个性化内镜诊疗建议，与现有的胃癌癌前病变筛查方法相比具有更优异的性能；基于AI的中西医结合（AI-TWM）模型可实现胃癌风险筛查、预防癌症的中医方案推荐等，已在我国多个社区实施。此外，根据脉诊仪数据可识别无/有缺血性卒中史的冠心病患者，另一模型结合中医症状和舌象筛查2型糖尿病患者中高危的糖尿病周围神经病变。移动筛查工具进一步增强了可行性和用户体验。例如，广东省中医院开发的“望舌问膳”小程序，利用舌象分析评估亚健康状态并提供个性化中医健康建议，适配移动终端的便捷需求。

1.3 临床诊疗

中西医诊疗技术与数智技术深度融合，有助于提升基层医院在重大慢病精准诊断、个性化治疗中的能力。调查显示，超过70%的基层医生强烈支持在临床数据收集、诊断辅助和用药建议中使用人工智能，这凸显了基层医疗机构对技术采纳的迫切需求。

当前研究与实践主要聚焦于三个层面：疾病智能诊断、证候辨识以及支持诊断和治疗的集成智能系统。在望诊方面，已开发深度学习模型以辅助基层医生识别舌苔染色。针对特定疾病的诊断，便携式设备已被用于收集眼部、舌部或脉搏数据以检测卒中、冠心病、糖尿病以及胃癌等疾病。这些工具特别适于基层推广，满足资源匮乏地区的慢病早期诊断需求，亦有研究开发移动应用程序通过上传电子病历实现了前列腺癌的精准诊断。在证候辨识领域，有研究基于标准化诊断框架（例如，中医诊断学）智能辨识癌痛、原发性肝癌相关证型；基于舌/脉识别冠心病气虚/血瘀证、非小细胞肺癌气虚/阴虚证。另有研究模拟名老中医的辨证思维进行脑卒中六经辨证分类，准确率可达82.39%；模仿中医辨证进行肺癌证素集合诊断，F1 得分为0.8884。

此外，还努力将诊断和治疗整合到统一的智能系统中。知识图谱和边缘计算技术已被用于提供更全面和精准的临床决策支持。中医证候标准化数据库（TCMSSD）包含624种证候的信息，包括相关中草药、处方和疾病，支持临床决策。针对高血压、冠心病、肺癌和乳腺癌等慢性病，已开发出将诊断与处方生成相结合的集成模型。更有研究提出了基于深度强化学习的中药处方序贯优化模型（PrescDRL），强调治疗有效性与长期成本控制，为慢病治疗带来智能处方新路径。研究人员利用多模态中医数据和大模型构建了“中医数字脑”，能够实现83%的处方一致性，推动名医经验在基层落地。总而言之，数智中医在社区层面诊疗中的应用已初具规模，其特点是证候识别的精准性提高、诊断推理的可解释性增强以及治疗决策的智能化。这些进展不仅提升了基层中医从业者的诊断能力，也减轻了地方卫生系统的负担，促进了中医药的传承与创新。

1.4 家庭保健与长期管理

家庭保健与长期管理是基层慢病诊疗全流程中至关重要的一环，贯穿疾病的始终。研究显示“互联网+”中医慢病管理平台有利于慢病长期管理，借助数智中医手段正逐步构建“医院-社区-家庭”三位一体的连续性服务体系，实现慢病患者的院外精准干预和病情稳定控制。

当前研究主要聚焦于中医适宜技术简化推广、智能居家监测以及风险模型驱动的预警系统。为促进中医药疗法在家庭中的应用，研究人员开发了经济实惠且适用于基层医疗机构和家庭环境的简化版热敏灸设备，促进了中医适宜技术从“临床应用”到“居家复用”的转变。对于持续居家监测，智能设备已被设计用于解决院外患者尤其是老年慢病群体的远程感知难题。一款专为老年人设计的可穿戴健康监测终端，集成了生命体征检测和足底压力感知，有效满足了慢性病患者的实时监测需求。类似地，有诊断平台长期监测脉搏和血压、高血压智能管理应用程序提高疾病控制率以及生活质量。在风险预测和早期预警领域，研究构建了整合血管功能和中医证候特征的模型，以评估高血压患者的心血管风险，从而实现疾病进展的初步判定。此外，冠心病伴心衰患者的脉图特征分析能智能预警心衰进展。另外，结合中医药治疗效果的预后模型已被用于预测I-III期结直肠癌患者3年和5年复发和转移率。康复监测也受到越来越多的关注，研究构建模型能够实时评估卒中康复情况，为持续的院后管理提供了一个实用且可扩展的工具。

2 数智中医赋能基层的现实挑战

2.1 数据孤岛与安全风险

尽管已初步构建起数智中医在基层慢病管理中的应用体系，但在链条各环节、医疗机构间仍存在严重的信息割裂，数据孤岛现象成为制约数智中医纵向贯通与横向共享的瓶颈。在纵向贯通方面，目前数智中医各环节多依托独立课题和系统建设，基层医疗机构内不同环节间采集的同类数据在分析方法、参数上存在显著差异，缺乏统一的数据结构与传输接口，难以延续使用，难以形成从辨体、辨证、辨病到干预评估的中医全过程闭环。此外，院外家庭监测设备采集的信息等因缺乏归集与上报通道，无法进入基层医疗机构的电子健康档案系统，使得大量院外数据停留在个体终端。在横向共享方面，基层各地区缺乏统一的中医数据治理机制，系统存在互不相通，数据重复录入等情况，进一步阻碍了有效的数据交换和利用。

数据共享利用也面临数据安全与隐私保护挑战，如面诊信息为高敏感度生物特征信息，攻击、泄露将直接构成对个人隐私的威胁，但当前基层在数据脱敏等环节缺乏统一规范与有效保障机制，信息安全风险显著上升，若不及时构建覆盖中医多源数据的安全防护体系，将严重限制数智中医在基层的落地发展。

2.2 部署成本高昂和技术要求高

一项对24个省份382家基层诊所的调查显示，数智中医设备的配置仍然不足，并且成本、环境、运维三重压力使其难以在基层实现真正落地。具体而言，许多设备依赖高分辨图像采集、精准信号处理与算法模型实时调用，对硬件配置、网络环境和技术支持提出较高要求，缺乏对基层操作场景的适配性考量。成本问题主要体现在设备采购价格高、维护费用重，大多数基层机构预算有限，难以长期承担中高成本的设备采购与维护费用，即便引入部分设备，也因场地局限、操作复杂、维护依赖专业外援，常出现部署后闲置等问题。此外，诊室与居家设备能力碎片化，数据难以对接，无法支撑慢病管理全过程的动态感知与反馈。

2.3 模型尚难满足基层应用需求

首先，模型训练数据的质量与代表性不足，难以满足基层慢病管理的复杂性需求。基层慢病患者常伴有多病共治、长期接受多种临床干预，且用药组合与疗效反应存在显著的个体差异。然而，目前主流中医模型主要基于指南、教材或现有文献构建，普遍缺乏对这类复杂真实世界数据的有效整合。这导致模型难以准确识别中医干预对病情变化的影响路径，在生成干预建议时容易产生误导，从而增加误诊误治的风险。例如，尽管大型语言模型在医学执照考试中表现出色，但在广泛疾病的真实临床决策场景中，它们的表现明显不如临床医生。其次，现有模型在处理时序性与动态性信息方面的能力有限，难以实现连续的个体化诊疗支持。慢性病患者（如心脑血管疾病）的症状表现（证候）在气候、情绪和生活方式等因素的影响下动态波动。然而，大多数模型依赖于单时点数据进行推理。它们通常未能充分纳入患者的既往干预历史、随访记录、生活方式等时序性信息。这种“单点决策”模式使得模型难以实现诊疗过程的动态反馈与实时调整。

2.4 技术和质量控制标准不足

数智中医在基层慢病管理中的应用依赖于多源数据的稳定获取和准确解释，如舌象、脉搏信号、证候和体质，这些数据支撑着预测、筛查、诊断、治疗和管理的全链条。然而当前关键技术尚未形成统一标准，质控体系亦不健全，技术异构与临床安全责任模糊等问题成为数智中医基层应用的核心隐患。首先，目前难以形成一套学界广泛接受的标准方法来客观化、标准化地收集四诊信息，以舌脉图像为例，不同厂商设备在成像参数、色彩标定各异，舌象编码方式缺乏规范，脉象数据维度差异显著，导致采集结果无法跨平台互认，同时证候分类亦存在理论分歧与实践割裂，部分模型采用教材式条目分类，部分则以“证素”拆分表达，缺乏统一的证候本体与标签体系，影响模型泛化能力与解释性。此外，临床实际应用尚未建立覆盖“采集—分析—决策—复核”的质控闭环，当前AI辅助系统在诊断、辨证、处方建议等环节的具体使用流程尚无国家或行业层面操作规程或责任界定标准，面对AI输出结果与医师结论不一致的情况，缺乏明确的复核路径与处置机制，分歧病例处置混乱、医疗风险归责模糊，极大制约了基层医生对系统输出结果的信任与采纳。

2.5 基层医生数智技术使用能力不足

智能中医在基层医疗中的成功实施，根本上取决于一线医生的操作和认知能力。研究表明，基层医生对使用人工智能的工具辅助诊疗、改善诊疗服务质量的驱动力不足，并且数字化操作培训体系滞后，基层医生中接受过AI系统标准操作培训者比例偏低，难以独立完成舌象采集、脉象录入、系统判读等操作，尤其是在面向中医诊疗环节中，若舌脉图像采集不规范或体质问卷录入不准确，极易导致误诊误判。其次，医生普遍缺乏对数智系统底层逻辑的理解，面对系统输出的辨证或用药建议，难以判断其可靠性与适应性。同时，人工智能模型、装备等不断迭代更新，基层机构普遍缺少持续性的系统培训与反馈机制，导致新系统落地后价值难以被真正激活。

2.6 老年群体数字健康素养不足

老年人群是基层慢病管理的核心服务对象，然而以老年患者为主的用户群体数字健康素养处于中等及偏下水平，影响数智中医系统的实际应用效能。首先，老年患者随着年龄增大，不愿主动尝试运用电子技术进行自我健康管理，普遍存在数字技术使用能力不足的问题，在移动端健康监测、食疗推荐等环节显著削弱数据采集质量与干预精度。同时，老年人缺乏“治未病”意识或难以设立明确的预防保健目标，对于AI推荐的饮食、起居、功法等调养方案信任度偏低，常导致其在选择中医预防保健服务时缺乏持续性和动力，导致居家干预依从性不足。此外，农村地区老年人受教育程度普遍偏低，识字理解能力有限，而智能系统中的个性化干预建议多以标准化中医术语呈现，未进行适老化语言转换与交互设计，进一步限制了基层老年人使用。

3 数智中医基层落地的实施路径

3.1 构建“安全互通”的区域性数据平台

针对基层医疗数据“纵横不通”及潜在数据安全风险，需以“全域整合、安全可控”为核心：针对数据孤岛问题，遵循国家中医药管理局《关于促进数字中医药发展的若干意见》中“推进中医药数据分类分级管理，制定多源数据融合标准规范”的要求，构建区域性数智中医健康大数据平台，在县域医共体框架内，建立统一标准的区域性中医健康大数据平台。平台可整合区域内各级医疗机构及家庭智能设备产生的多源异构数据，采用统一的数据编码规范，打破“防筛诊治管”各环节及机构间的数据壁垒。平台可内置严格的如动态脱敏、区块链存证等方式的数据安全与隐私保护机制，解决高敏感生物特征信息的安全风险，为全链条模型训练和动态管理提供数据底座。

3.2 开发轻量化设备和支持服务

针对设备成本高、操作复杂、环境要求高等问题，可优先发展基于简易摄像头的轻量化舌/面象采集技术，推广简易可靠的便携式轻量化设备。设备在考虑成本的同时需注重基层场景适配性，如抗环境光干扰、操作流程极简、维护便捷、低网络依赖。此外，可推广“以租代购+政府统筹”模式，可由政府财政统筹，以租赁方式向基层医疗机构提供设备以代替一次性采购，降低基层机构初始投入压力；同时组建“区域技术支援队”负责设备日常校准维护，解决基层运维困境。

3.3 完善标准体系和质量控制流程

建立和推广数智中医的核心技术和数据标准至关重要。《数智中医基层诊疗服务规范》定义了诊所基础设施和服务参数，在国家权威机构的领导下，产学研各方应协同合作，加速制定并推行四诊数据采集规范，包括舌/面象拍摄环境、姿态、色彩校准标准、脉诊信号采集位置、压力、时长规范、证候和体质辨识的标准化指标和量表等。此外，统一中医证候分类编码、舌象/脉象特征编码、体质编码，制定开放的API接口规范，确保不同厂商设备与系统间的数据互认互通。与此同时可建立针对不同应用场景（预测、筛查、辨证、处方）的数智模型性能评估指标体系和临床验证方法。在现有指南的基础上，建立“人机协同、权责清晰”的基层质控流程，明确AI系统在各个环节的非主体定位，界定医生与AI的责任边界。建立分歧病例的标准化上报和复核机制。将AI处方审核模块纳入基层HIS系统，并探索将其服务费用纳入医保报销范围。

3.4 开发自适应模型和动态学习机制

为了提升模型在基层复杂环境下的适用性，应从数据深度、场景广度及迭代时效三个维度构建学习机制。首先，构建多模态融合框架，通过整合望诊图像、时序脉象信号、电子病历文本及问卷等多源异构信息，实现对患者全生命周期轨迹的精准捕捉。这种多维度的特征聚合能够更有效地识别复杂干预措施（如中西医结合治疗）对疾病进展的影响效应。其次，建立跨场景的真实世界数据库，采用联邦学习等跨区域数据学习架构，在严格保障隐私的前提下，实现心脑血管病等重大慢病队列数据的联合建模，从而突破“数据孤岛”限制。同时，利用移动医疗与可穿戴设备补充患者的长期随访及生活方式数据，构建起贯通“基层医疗机构”与“居家场景”的闭环真实世界数据库。此外，将传统的增量学习优化为实时在线学习模式，确保模型随新数据的流入而即时更新。通过引入“概念漂移”检测机制，当患者体征或临床环境发生显著变化时，系统能自动触发模型结构调整。这使得模型在基层样本高混杂、强动态的实际场景下，能够实现持续迭代并提供精准的个体化决策支持。

3.5 深化人才培养和患者教育

为打破数智中医在基层落地的“最后一公里”障碍，应从提升医生数智素养与增强患者技术获得感两方面协同发力。针对基层医生数智技术使用能力不足的问题，应实施将基础医学知识与数智技能相结合的跨学科培训项目。在基础层面，强化中西医整合诊疗框架在慢病管理中的应用；在技术层面，聚焦智能设备的标准化操作、AI辅助决策的解读及人机协作流程，并采用情景模拟、实操考核等方式确保实效；在认知层面，培养医生基于数据的临床推理与动态健康管理思维。此类培训应与继续医学教育学分及职称晋升挂钩，建立长效激励机制。同时，依托社区现有家庭医生，充分发挥其在基层医疗中的作用，由家庭医生负责对老年患者进行智能设备的一对一使用指导和协助操作。用通俗语言解释AI生成的健康报告、风险评估和基础干预建议，增进患者理解与信任，长期跟踪，督促老年患者的居家干预执行情况，提高患者依从性并可以承担社区层面的中医“治未病”理念普及和健康教育工作。

针对老年群体数字素养较低、预防意识薄弱的问题，系统推进居家数智中医设备的适老化改造，开发简化触控界面、方言兼容的语音交互及家庭关联报警功能，降低使用门槛；整合社区宣传栏、短视频及家医签约服务，开展有吸引力的科普活动。宣传应突出中医体质辨识在“先发干预”中的优势，并结合本地化成功案例增强说服力；配合定期家访与结构化电话随访，构建“技术辅助+人文关怀”的服务模式，确保老年人在数智化转型中获得实惠。

3.6 优化政策支持和医保体系

将数智中医服务纳入医保支付与公卫项目，推动将符合条件的数智中医服务（如AI辅助筛查、辨证、处方审核、远程会诊、智能随访管理）纳入基本医疗保险支付范围或基本公共卫生服务包。对基层机构采购符合标准的低成本智能设备给予专项补贴或将其纳入医共体统一配置。通过医保杠杆和公卫考核，显著提升基层医院采购设备、应用系统的积极性，降低患者使用门槛。强化区域医共体内部的数智化协同，利用医共体政策优势，推动县级中医院建设数智中医支持中心，负责对乡镇卫生院的平台运维、复杂模型解读、疑难病例远程支持、质控监督和医生培训。

4 结论

数智中医，通过融合便携式诊疗设备、人工智能筛查工具及动态风险预测模型，实现了从早期预警与精准筛查，到辅助诊断与个性化治疗方案制定，再到健康管理与持续监测的全方位覆盖，系统性赋能基层重大慢病“防-筛-诊-治-管”全链条。然而，其规模化落地仍面临挑战：数据壁垒阻碍全病程闭环管理；设备成本与基层承载力错位，模型尚难满足基层应用需求，技术与质控标准不统一导致信息互通难，基层医生数智技能不足及老年群体数字鸿沟都限制了技术的效能发挥。为应对这些挑战，本文提出了多维度策略：技术层面，构建区域性数据平台整合多源异构信息；推广轻量化设备以降低使用门槛；开发动态模型以更好响应个体化需求。政策层面，探索医保支付覆盖数智化服务；将数智中医纳入公共卫生项目以激发应用动力。普及层面，强化基层医生培训，弥合能力断层；深化适老化改造，提升老年群体依从性。通过以上举措，数智中医将能真正将其中医优势转化为基层可及、可负担、可持续的慢病管理实践，有效提升基层心脑血管和肿瘤等重大慢病的防治能力。

作者简介

张晓雨，中国中医科学院中医临床基础医学研究所副研究员。从事数智中医循证评价研究，聚焦中医药数智化发展中的“数据关、安全关、应用关”难题，致力于推动经验医学向可计算、可预警、可验证的智能医学转化。主持国自然课题2项、院优青1项，参与国家级课题7项，获国家及学会奖励3项。在《中国科学:生命科学》、《中国循证医学杂志》、Semin Cancer Biol、Brief Bioinform等国内外期刊发表学术论文多篇，入选中国知网TOP 1%高被引学者，参编教材专著4部、标准3部，取得软著6项。

商洪才，研究员，博士生导师，北京中医药大学东方医院党委副书记、院长，中医内科学教育部重点实验室主任，国家中医药管理局高水平中医药重点学科“中医药信息学”学科带头人，国家杰出青年科学基金获得者，入选国家“万人计划”“岐黄学者”“北京学者”支持项目、教育部新世纪优秀人才计划、科技部创新人才推进计划。是“十三五”“十四五”国家重点研发计划项目、科技创新2030重大项目、国自然重点项目负责人。致力于循证中医及数智中医研究，以方法学创新突破中医药传承发展瓶颈。获国家科技进步二等奖4项、省部级一等奖7项。主编教材/专著11部，授权发明专利18项，软著11项。在BMJ、Ann Intern Med、JAMA Intern Med、STTT等国内外期刊发表高水平论文多篇。连续入选爱思唯尔“中国高被引学者”榜单、ScholarGPS 2024全球前0.05%顶尖学者终身榜单。 

                   文章转载于中医药科学英文刊