重癥監護病房（ICU）醫療設備密集，設備種類繁多，醫療設備數據采集的準確性和時效性要求高，因此ICU醫療設備物聯對于提高醫療和護理質量、發展數字化和智能化ICU具有重要意義。本文圍繞ICU醫療設備物聯網開展系統性研究，提出了創新性的解決方案，包括整體架構設計、設備物聯與數據采集方法、數據標準化方法、平臺建設及應用實現等。整體架構按照感知層-網絡層-平臺層-應用層設計，提出了3種設備物聯與數據采集模式，提出了基于患者監護設備醫療健康信息集成規范（IHE-PCD）的數據標準化方法。本研究在解放軍總醫院進行了實踐驗證，共實現4個ICU病區122臺設備物聯，接入存儲數據217.6億條，數據量12.5 TB，解決了在ICU難以系統性進行醫療設備數據采集和數據整合的問題，取得的顯著效果證明了本研究的可行性與可靠性。本文的研究成果為醫院ICU物聯網建設提供了解決方案參考，為醫療大數據分析研究提供了更加豐富的數據支撐，可以支撐改善ICU醫療服務，推進ICU向數字化、智能化發展。
版權信息： ?四川大學華西醫院華西期刊社《生物醫學工程學雜志》版權所有，未經授權不得轉載、改編
0 引言
物聯網（Internet of Things，IoT）作為新一代信息技術的核心部分，在多個領域起到越來越重要的作用[1]。在醫療領域中，尤其是在重癥監護病房（intensive care unit，ICU）場景下，物聯網技術的發展為提高醫療質量、實現精準治療、降低醫療風險提供了新的可能[2]。ICU是醫院中至關重要的醫療區域，也是對監測和管理效率要求極高的環境，危急重癥患者需要密切的監護與精準的治療。ICU中配備了多種生命支持與生理監護設備，這些設備每天生成海量數據，對于患者護理、臨床診斷和科學研究都具有重要價值。過去，醫護人員主要依賴獨立的監護儀器和手動記錄來獲取生命體征數據，但這種方法存在獲取數據困難、處理時間長且容易出錯的問題，不能滿足現代醫療對生命體征監測的實時性、準確性和全面性的要求。此外，由于ICU內的設備各自獨立工作，醫療信息系統無法與醫療設備進行數據交換，普遍存在“數據孤島”現象，缺乏系統整合，導致重要的設備數據難以有效地支持患者護理和診治[3]。
ICU醫療設備物聯網為解決這些問題提供了創新的方案，通過建立ICU醫療設備物聯網數據平臺，利用物聯網技術從監護儀、呼吸機中實時獲取生命體征、異常告警、心電波形等連續生理數據，經過流數據并行接入、數據標準化解析、主題數據分發、主索引數據整合、數據深度存儲等一系列數據治理操作后，構建形成ICU標準數據集，滿足醫療系統的數據使用需求。基于ICU醫療設備物聯網提供的設備監測數據，融合臨床診療數據，構建ICU醫療數據模型，結合大數據和人工智能技術開發智能算法，可為ICU中疾病預測預警、智能報警[4]、患者健康狀態評估[5]、病情預后分析等多種智能應用提供數據支持和科學依據[6-8]，這對提高治療準確性、降低醫療風險和提升患者康復率具有重大意義。此外，ICU醫療設備物聯網支持自動數據采集和遠程監測，對于應急救援，可以顯著提高醫療決策和救治響應的速度，從而提高患者生存概率。將ICU醫療設備物聯網數據與可穿戴設備數據結合，還可以在患者出院后提供個性化健康管理建議，幫助患者進行疾病康復，降低再入ICU的風險，這將有助于推進醫療個性化和連續性的發展。
目前ICU醫療設備物聯網建設面臨的主要挑戰是設備種類多、廠商多，接口形式不統一，數據協議不開放，缺少數據標準和規范[9]，缺乏基于物聯網數據的綜合分析利用等問題[10]。本研究針對上述問題，提出了一套完整的ICU醫療設備物聯網解決方案，給出了整體架構、設備物聯與數據采集、數據標準化、平臺建設及應用實現等方面的詳細設計，并結合在解放軍總醫院的實施及應用效果，通過分析運行情況與數據情況驗證了方案的可行性，以期為其他醫療機構ICU醫療設備物聯網建設提供參考。
1 ICU醫療設備物聯網方案設計
1.1 整體架構設計
本研究中ICU物聯網基本架構分為感知層、網絡層、平臺層和應用層，如圖1。在感知層，利用物聯網網關、串口服務器、數據采集適配器[11-13]等感知設備與醫療設備建立通信，接入原始數據后進行標準化數據解析，再通過網絡層進行數據上傳。在網絡層，采用多種通信技術（以太網、Wi-Fi、藍牙、Zigbee、LoRaWAN、蜂窩網絡4G/5G等）構建數據傳輸通道以實現數據通信。在平臺層，采用大數據技術架構（Hadoop、Lambda、Kappa等）構建數據平臺，接入感知層上傳的醫療設備數據，利用流數據技術、分布式存儲技術、計算引擎進行大規模的數據處理和數據存儲，面向應用需求形成數據模型和業務模型，為上層應用提供數據支持。在應用層，基于物聯網數據進行智能化算法設計，開發數據應用系統，達到提升醫療效率和改善治療效果的目的[14-16]。
圖1
ICU物聯網架構圖
Figure1.
Architecture of IoT for intensive care units
1.2 設備物聯與數據采集方法
不同品牌型號的ICU醫療設備通常具有異構數據協議，例如邁瑞N系列監護儀、GE Dash系列監護儀、德爾格Evita系列呼吸機等都要基于各自的私有協議進行數據互操作[17]，因此在ICU物聯網建設中，首先需要利用感知終端或中間件進行多源異構數據解析，形成標準化數據后再進一步上傳。本研究中提出了3種ICU物聯網數據采集方法，包括物聯網網關模式、串口服務器模式與數據采集適配器模式，見圖2。
圖2
ICU物聯網數據采集方法的3種架構模式圖
Figure2.
Three architecture diagram of ICU IoT data acquisition methods
1.2.1 物聯網網關模式
該模式適用于ICU醫療設備的集中式物聯，主要方法是利用1臺小型工作站與所有醫療設備進行有線網絡連接，并在工作站中部署物聯網網關組件，以此實現數據的統一接入與解析。如邁瑞公司的“中央站+egateway”方案即是采用該種模式（見圖2-物聯網網關模式），目前在解放軍總醫院急診搶救間病區進行了應用。病區內部署有1臺中央工作站，床旁醫療設備通過網線直接與工作站進行連接，工作站中部署有邁瑞中央站軟件與網關組件“egateway”。中央站軟件與醫療設備建立握手連接，獲取各設備的原始數據，結合數據協議將原始數據進行解析，再通過egateway對解析后的數據進行標準化封裝與數據分發。該模式下數據采集效率高，采集過程管理方便，但如果中心發生故障，病區內的全部設備將掉線，對物聯網網關的穩定性要求較高。
1.2.2 串口服務器模式
該模式適用于串口類醫療設備的數據采集，利用串口服務器通過RS232/RS485協議連接醫療設備，將串口信號轉換成TCP/UDP數據包，再通過網絡傳輸至遠程服務器端，數據解析過程在服務器端進行，形成結構化數據后推送至數據平臺中存儲，見圖2-串口服務器模式。解放軍總醫院的重癥醫學科、神經外科ICU等病區均采用這種數據采集模式。每個床旁固定放置1臺串口數據采集盒，當使用醫療設備時，將帶有設備ID的串口數據線與采集盒連接，采集盒通過RS232協議與醫療設備建立連接通道，獲取16進制串行數據，基于設備協議識別幀頭幀尾，抽取數據部分進行TCP或AMQP協議的封裝，通過網絡上傳至服務器，再通過服務器端的解析程序進行數據報文解析，按照約定規則或參考標準將數據進行拆分、分類與映射，最后推送至數據平臺進行存儲應用。
1.2.3 數據采集適配器模式
該模式適用于在服務器資源有限或設備分布比較分散的情況。利用微型計算機（如Raspberry Pi）搭載數據采集軟件構造數據采集適配器，每臺醫療設備與1臺適配器唯一綁定，適配器通過網線或串口線與醫療設備連接，經過數據通信、數據解析、數據封裝、數據轉發等流程，將原始數據在適配器中直接轉化成標準化數據再推送至服務器端，見圖2-數據采集適配器模式。這種數據采集方法與采用串口服務器的區別在于設備接入、數據解析、數據封裝過程完全在適配器中進行，服務器端不需要部署數據采集服務，屬于一種去中心化方案，這樣保證了在服務器出現故障時，數據采集過程仍能在適配器中持續運行，保證數據采集的穩定性。
1.3 數據標準化方法
在ICU醫療設備物聯網建設中，由于醫療設備種類繁多，并且具備互不相同的數據格式，因此需要進行數據標準化封裝處理，以提高數據互操作性。目前可參考使用的數據標準包括ISO/IEEE 1
在術語定義方面，采用羅森塔（Rosetta Terminology Mapping，Rosetta）術語映射表實現設備數據的標準化術語轉換，對術語進行規范化約束，避免出現二義性，表1列出了部分術語映射關系。
表1
部分Rosetta術語映射表
Table1.
Part of the Rosetta table
1.4 平臺建設與應用實現
針對ICU物聯網數據采樣率高、數據量龐大的特點，本研究設計并部署了基于Hadoop架構的物聯網數據平臺，由數據流集群和數據湖集群組成。數據流集群基于Nifi實現，解決高采樣實時數據的傳輸、監控、分發和解析問題；數據湖集群基于HDFS實現，解決PB級大數據的分布式存儲、實時查詢和數據融合問題。以該平臺為基礎，本研究設計開發了三類ICU醫療設備物聯網應用：一是醫療設備智能化管理系統，基于物聯網獲取的設備運行狀態、故障信息等實時數據，結合醫院信息系統中設備資產信息等基礎數據，進行融合統計分析，實現ICU內醫療設備使用情況監管和設備績效評估；二是ICU護理集成系統，系統通過數據接口從物聯網平臺中獲取實時生理數據，與患者身份信息進行匹配后自動導入護理記錄，該應用平均每天減少護士0.8 h/床的工作量；三是患者生理狀態預警系統，將物聯網平臺中的歷史存儲數據與醫院信息系統（Hospital Information System，HIS）數據進行融合處理，形成大樣本訓練數據集，采用無監督核密度估計方法訓練形成生理狀態評估模型，根據實時生理數據進行患者狀態量化評分，實現患者生理狀態異常預警。圖3是患者生理狀態預警系統界面。
圖3
患者生理狀態預警系統界面
Figure3.
Patient physiological status alert system interface
2 實施效果
2.1 部署情況
本研究提出的ICU醫療設備物聯網方案已在解放軍總醫院第一醫學中心四個ICU病房（急診搶救間、神經外科ICU、重癥醫學科、心內監護室）進行了部署與試運行。其中急診搶救間采用物聯網網關模式，神經外科ICU與重癥醫學科采用串口服務器模式，心內監護室采用數據采集適配器模式，物聯網數據通過醫院內網與數據平臺通信。覆蓋的醫療設備主要為監護儀與呼吸機，共計122臺，其中監護儀74臺，呼吸機48臺。由于各科室的輸液泵多數沒有數據通信接口，因此目前無法對輸液泵進行物聯，待后續科室更換新設備后可繼續擴展連接。
2.2 數據接入
4個ICU病房平均每天接入數據15 531 MB，其中急診搶救間平均數據接入10 231 MB/天，神經外科ICU平均數據接入458 MB/天，重癥醫學科平均數據接入4 223 MB/天、心內監護室平均數據接入619 MB/天。急診搶救間由于使用了邁瑞N15型號監護儀，可以采集獲取采樣率500 Hz的高清波形，因此數據接入量最大；神經外科ICU大多使用較早的GE Dash 4000型號監護儀，該款監護儀由于性能限制不支持波形數據輸出，因此神經外科ICU數據接入量最小。圖4為近10天ICU物聯網數據接入量趨勢圖。
圖4
ICU物聯網數據接入量趨勢圖
Figure4.
Trend chart of IoT data access volume in ICU
2.3 數據存儲
ICU物聯網數據平臺采用時序數據庫Druid進行醫療設備物聯網流數據的分布式存儲。經查詢統計，自2022年1月以來，ICU物聯網數據平臺中共接收并存儲217.6億條數據，數據量總計12.5 TB。按醫療設備分類，涵蓋監護儀數據204.12億條，數據量11.73 TB，占比93.84%；呼吸機數據13.48億條，數據量0.77 TB，占比6.16%。按數據類型分類，涵蓋生理體征數據105.84億條，數據量0.99 TB，占比7.92%；生理波形數據80.49億條，數據量10.83 TB，占比86.64%；生理報警數據31.27億條，數據量0.68 TB，占比5.44%。圖5為數據存儲情況統計圖。
圖5
數據存儲情況統計圖
Figure5.
Statistical chart of data storage
2.4 患者數據分析
ICU物聯網數據平臺與HIS進行了接口對接，患者基本信息、檢查檢驗信息、醫囑信息等數據采用列式存儲數據庫Click House進行數據同步與存儲，并通過Flink與物聯網流數據進行了融合。經統計分析，自2022年1月以來，完成HIS數據融合的數據量總計132億條，占全部數據的61%，4個ICU物聯網數據覆蓋患者共計8 734例，其中男性患者5 201例，女性患者3 533例，圖6為患者年齡分布圖，后續會繼續優化數據匹配工作，提高物聯網數據與HIS數據的匹配度。
圖6
患者年齡分布圖
Figure6.
Distribution chart of patient age
3 討論與結論
本研究提出了完整的ICU醫療設備物聯網解決方案。整體架構采用感知層、網絡層、平臺層、應用層四層設計，定義了ICU醫療設備物聯網建設中涉及的關鍵技術與功能模塊；研究了3種設備物聯與數據采集方法，實時采集醫療設備數據并匯聚至數據平臺，解決數據獲取難與“數據孤島”問題；給出了基于IHE-PCD架構的數據標準化方法，解決了物聯網多源數據的統一標準化問題；針對3類應用場景研究了基于物聯網數據的綜合分析利用方法，對如何應用物聯網技術優化與改善ICU醫療服務給出了案例參考。我們基于該方案在解放軍總醫院4個ICU監護病房進行了醫療設備物聯網應用部署與試運行，目前已穩定運行25個月，實現122臺設備物聯，共采集數據12.5 TB，其結果證明該方案具備可行性，可以在ICU內穩定、大規模的完成醫療設備數據采集工作，支撐醫院和臨床相關業務。
ICU醫療設備物聯網系統建設的最大挑戰是如何對多廠家、多種類、多協議的醫療設備進行統一、實時、高效的數據采集。本研究針對此問題提出了3種設備物聯和數據采集方法，即網關模式、串口服務器模式以及數據采集適配器模式。通過RS232/RJ45等接口與醫療設備建立通信獲取原始數據，開發數據驅動程序對異構數據進行數據解析，最終上傳至服務器進行分發、存儲與應用。其中網關模式和串口服務器模式側重于在服務器端進行批量化的數據同步與數據解析，利于提高數據采集與數據處理效率，但也在一定程度上增加了服務器負載，如果服務器出現宕機、進程崩潰等情況，整個ICU物聯網將中斷。而數據采集適配器模式側重于在邊緣側實現數據采集，在每個適配器中獨立完成數據獲取、數據解析與數據上傳過程，服務器僅負責數據的接收，這樣保證了在中心服務器出現故障時，各適配器仍然可以獨立運行，有利于提高ICU物聯網的運行穩定性。
在研究過程中我們還注意到，異構數據的標準化程度對物聯網的數據質量與應用效果有極大影響，為此本研究探索基于IHE-PCD框架進行標準化數據封裝，對數據格式與術語定義均進行了統一規范，將多源異構數據封裝成HL7消息結構，并采用Rosetta術語映射表將數據內容映射為具有統一語義的術語詞匯，最終實現多廠家多協議醫療設備的統一規范化數據采集。同時，本研究對ICU醫療設備物聯網應用價值進行了探索研究與實踐，在醫療設備管理、醫療流程優化、患者實時監控以及生理狀態預警3類應用場景下，開展了數據分析與利用。研究表明物聯網數據可以支撐改善ICU醫療服務，具有極高的挖掘價值，如何基于物聯網數據進行疾病預測預警、預后分析、輔助診療等多方面的數據分析將是未來的一個主要研究方向。
本研究仍有一些不足。首先，目前探索的醫療設備物聯方法，數據采集與數據上傳過程都是通過有線連接實現，然而在ICU病房中，大量線纜的存在帶來諸多問題，如網口接觸不良導致數據中斷，反復插拔數據線給醫護人員增加工作負擔等問題。其次，由于物聯網數據密度高，在數據傳輸過程往往會占用較大的網絡帶寬，可能對醫院其他網絡業務產生影響。再次，物聯網數據質量參差不齊，目前缺乏系統性的數據質量監管與數據治理策略，為數據應用與分析帶來了困難。最后，ICU物聯網需要與HIS等系統進行高頻率的數據交互，目前缺乏規范化的數據安全保障策略，存在數據丟失和患者隱私信息泄露等風險。
針對本研究存在的不足與問題，我們將進一步開展深入探索，研究無線化的醫療設備物聯網解決方案[21]，設計建立物聯網通信專網[22]，研究適用于物聯網場景的數據質量管理策略與數據治理方法，結合先進信息安全技術建立數據安全機制[23]。在物聯網數據分析應用方面，我們將進一步開展跨部門、跨學科間合作，針對ICU醫療過程中的實際需求與痛點問題，采用深度學習、多模態大模型等人工智能方法實現更智能的診療輔助決策支持，持續推進ICU向數字化、智能化發展，為患者提供更加完善的診療服務。
最后，從科學研究的角度分析，ICU醫療設備物聯網數據帶來了醫療數據量的爆發式增長，物聯網的時序數據與臨床數據的融合，為醫療大數據的分析研究提供了更加豐富的數據支撐，使得臨床數據分析真正意義上成為數據密集型科學（Data-Intensive Science）[24]研究，助力臨床科研走向“物聯網+大數據+AI”的應用模式。
重要聲明
利益沖突聲明：本文全體作者均聲明不存在利益沖突。
作者貢獻聲明：梁洪負責ICU醫療設備物聯網數據采集方案設計、3類典型應用場景探索研究以及文章撰寫；孫繼鵬、范勇負責ICU設備物聯網數據標準化解析和方案部署實施；曹德森、何昆侖、張政波負責指導研究和文章審校。
0 引言
物聯網（Internet of Things，IoT）作為新一代信息技術的核心部分，在多個領域起到越來越重要的作用[1]。在醫療領域中，尤其是在重癥監護病房（intensive care unit，ICU）場景下，物聯網技術的發展為提高醫療質量、實現精準治療、降低醫療風險提供了新的可能[2]。ICU是醫院中至關重要的醫療區域，也是對監測和管理效率要求極高的環境，危急重癥患者需要密切的監護與精準的治療。ICU中配備了多種生命支持與生理監護設備，這些設備每天生成海量數據，對于患者護理、臨床診斷和科學研究都具有重要價值。過去，醫護人員主要依賴獨立的監護儀器和手動記錄來獲取生命體征數據，但這種方法存在獲取數據困難、處理時間長且容易出錯的問題，不能滿足現代醫療對生命體征監測的實時性、準確性和全面性的要求。此外，由于ICU內的設備各自獨立工作，醫療信息系統無法與醫療設備進行數據交換，普遍存在“數據孤島”現象，缺乏系統整合，導致重要的設備數據難以有效地支持患者護理和診治[3]。
ICU醫療設備物聯網為解決這些問題提供了創新的方案，通過建立ICU醫療設備物聯網數據平臺，利用物聯網技術從監護儀、呼吸機中實時獲取生命體征、異常告警、心電波形等連續生理數據，經過流數據并行接入、數據標準化解析、主題數據分發、主索引數據整合、數據深度存儲等一系列數據治理操作后，構建形成ICU標準數據集，滿足醫療系統的數據使用需求。基于ICU醫療設備物聯網提供的設備監測數據，融合臨床診療數據，構建ICU醫療數據模型，結合大數據和人工智能技術開發智能算法，可為ICU中疾病預測預警、智能報警[4]、患者健康狀態評估[5]、病情預后分析等多種智能應用提供數據支持和科學依據[6-8]，這對提高治療準確性、降低醫療風險和提升患者康復率具有重大意義。此外，ICU醫療設備物聯網支持自動數據采集和遠程監測，對于應急救援，可以顯著提高醫療決策和救治響應的速度，從而提高患者生存概率。將ICU醫療設備物聯網數據與可穿戴設備數據結合，還可以在患者出院后提供個性化健康管理建議，幫助患者進行疾病康復，降低再入ICU的風險，這將有助于推進醫療個性化和連續性的發展。
目前ICU醫療設備物聯網建設面臨的主要挑戰是設備種類多、廠商多，接口形式不統一，數據協議不開放，缺少數據標準和規范[9]，缺乏基于物聯網數據的綜合分析利用等問題[10]。本研究針對上述問題，提出了一套完整的ICU醫療設備物聯網解決方案，給出了整體架構、設備物聯與數據采集、數據標準化、平臺建設及應用實現等方面的詳細設計，并結合在解放軍總醫院的實施及應用效果，通過分析運行情況與數據情況驗證了方案的可行性，以期為其他醫療機構ICU醫療設備物聯網建設提供參考。
1 ICU醫療設備物聯網方案設計
1.1 整體架構設計
本研究中ICU物聯網基本架構分為感知層、網絡層、平臺層和應用層，如圖1。在感知層，利用物聯網網關、串口服務器、數據采集適配器[11-13]等感知設備與醫療設備建立通信，接入原始數據后進行標準化數據解析，再通過網絡層進行數據上傳。在網絡層，采用多種通信技術（以太網、Wi-Fi、藍牙、Zigbee、LoRaWAN、蜂窩網絡4G/5G等）構建數據傳輸通道以實現數據通信。在平臺層，采用大數據技術架構（Hadoop、Lambda、Kappa等）構建數據平臺，接入感知層上傳的醫療設備數據，利用流數據技術、分布式存儲技術、計算引擎進行大規模的數據處理和數據存儲，面向應用需求形成數據模型和業務模型，為上層應用提供數據支持。在應用層，基于物聯網數據進行智能化算法設計，開發數據應用系統，達到提升醫療效率和改善治療效果的目的[14-16]。
圖1
ICU物聯網架構圖
Figure1.
Architecture of IoT for intensive care units
1.2 設備物聯與數據采集方法
不同品牌型號的ICU醫療設備通常具有異構數據協議，例如邁瑞N系列監護儀、GE Dash系列監護儀、德爾格Evita系列呼吸機等都要基于各自的私有協議進行數據互操作[17]，因此在ICU物聯網建設中，首先需要利用感知終端或中間件進行多源異構數據解析，形成標準化數據后再進一步上傳。本研究中提出了3種ICU物聯網數據采集方法，包括物聯網網關模式、串口服務器模式與數據采集適配器模式，見圖2。
圖2
ICU物聯網數據采集方法的3種架構模式圖
Figure2.
Three architecture diagram of ICU IoT data acquisition methods
1.2.1 物聯網網關模式
該模式適用于ICU醫療設備的集中式物聯，主要方法是利用1臺小型工作站與所有醫療設備進行有線網絡連接，并在工作站中部署物聯網網關組件，以此實現數據的統一接入與解析。如邁瑞公司的“中央站+egateway”方案即是采用該種模式（見圖2-物聯網網關模式），目前在解放軍總醫院急診搶救間病區進行了應用。病區內部署有1臺中央工作站，床旁醫療設備通過網線直接與工作站進行連接，工作站中部署有邁瑞中央站軟件與網關組件“egateway”。中央站軟件與醫療設備建立握手連接，獲取各設備的原始數據，結合數據協議將原始數據進行解析，再通過egateway對解析后的數據進行標準化封裝與數據分發。該模式下數據采集效率高，采集過程管理方便，但如果中心發生故障，病區內的全部設備將掉線，對物聯網網關的穩定性要求較高。
1.2.2 串口服務器模式
該模式適用于串口類醫療設備的數據采集，利用串口服務器通過RS232/RS485協議連接醫療設備，將串口信號轉換成TCP/UDP數據包，再通過網絡傳輸至遠程服務器端，數據解析過程在服務器端進行，形成結構化數據后推送至數據平臺中存儲，見圖2-串口服務器模式。解放軍總醫院的重癥醫學科、神經外科ICU等病區均采用這種數據采集模式。每個床旁固定放置1臺串口數據采集盒，當使用醫療設備時，將帶有設備ID的串口數據線與采集盒連接，采集盒通過RS232協議與醫療設備建立連接通道，獲取16進制串行數據，基于設備協議識別幀頭幀尾，抽取數據部分進行TCP或AMQP協議的封裝，通過網絡上傳至服務器，再通過服務器端的解析程序進行數據報文解析，按照約定規則或參考標準將數據進行拆分、分類與映射，最后推送至數據平臺進行存儲應用。
1.2.3 數據采集適配器模式
該模式適用于在服務器資源有限或設備分布比較分散的情況。利用微型計算機（如Raspberry Pi）搭載數據采集軟件構造數據采集適配器，每臺醫療設備與1臺適配器唯一綁定，適配器通過網線或串口線與醫療設備連接，經過數據通信、數據解析、數據封裝、數據轉發等流程，將原始數據在適配器中直接轉化成標準化數據再推送至服務器端，見圖2-數據采集適配器模式。這種數據采集方法與采用串口服務器的區別在于設備接入、數據解析、數據封裝過程完全在適配器中進行，服務器端不需要部署數據采集服務，屬于一種去中心化方案，這樣保證了在服務器出現故障時，數據采集過程仍能在適配器中持續運行，保證數據采集的穩定性。
1.3 數據標準化方法
在ICU醫療設備物聯網建設中，由于醫療設備種類繁多，并且具備互不相同的數據格式，因此需要進行數據標準化封裝處理，以提高數據互操作性。目前可參考使用的數據標準包括ISO/IEEE 1
在術語定義方面，采用羅森塔（Rosetta Terminology Mapping，Rosetta）術語映射表實現設備數據的標準化術語轉換，對術語進行規范化約束，避免出現二義性，表1列出了部分術語映射關系。
表1
部分Rosetta術語映射表
Table1.
Part of the Rosetta table
1.4 平臺建設與應用實現
針對ICU物聯網數據采樣率高、數據量龐大的特點，本研究設計并部署了基于Hadoop架構的物聯網數據平臺，由數據流集群和數據湖集群組成。數據流集群基于Nifi實現，解決高采樣實時數據的傳輸、監控、分發和解析問題；數據湖集群基于HDFS實現，解決PB級大數據的分布式存儲、實時查詢和數據融合問題。以該平臺為基礎，本研究設計開發了三類ICU醫療設備物聯網應用：一是醫療設備智能化管理系統，基于物聯網獲取的設備運行狀態、故障信息等實時數據，結合醫院信息系統中設備資產信息等基礎數據，進行融合統計分析，實現ICU內醫療設備使用情況監管和設備績效評估；二是ICU護理集成系統，系統通過數據接口從物聯網平臺中獲取實時生理數據，與患者身份信息進行匹配后自動導入護理記錄，該應用平均每天減少護士0.8 h/床的工作量；三是患者生理狀態預警系統，將物聯網平臺中的歷史存儲數據與醫院信息系統（Hospital Information System，HIS）數據進行融合處理，形成大樣本訓練數據集，采用無監督核密度估計方法訓練形成生理狀態評估模型，根據實時生理數據進行患者狀態量化評分，實現患者生理狀態異常預警。圖3是患者生理狀態預警系統界面。
圖3
患者生理狀態預警系統界面
Figure3.
Patient physiological status alert system interface
2 實施效果
2.1 部署情況
本研究提出的ICU醫療設備物聯網方案已在解放軍總醫院第一醫學中心四個ICU病房（急診搶救間、神經外科ICU、重癥醫學科、心內監護室）進行了部署與試運行。其中急診搶救間采用物聯網網關模式，神經外科ICU與重癥醫學科采用串口服務器模式，心內監護室采用數據采集適配器模式，物聯網數據通過醫院內網與數據平臺通信。覆蓋的醫療設備主要為監護儀與呼吸機，共計122臺，其中監護儀74臺，呼吸機48臺。由于各科室的輸液泵多數沒有數據通信接口，因此目前無法對輸液泵進行物聯，待后續科室更換新設備后可繼續擴展連接。
2.2 數據接入
4個ICU病房平均每天接入數據15 531 MB，其中急診搶救間平均數據接入10 231 MB/天，神經外科ICU平均數據接入458 MB/天，重癥醫學科平均數據接入4 223 MB/天、心內監護室平均數據接入619 MB/天。急診搶救間由于使用了邁瑞N15型號監護儀，可以采集獲取采樣率500 Hz的高清波形，因此數據接入量最大；神經外科ICU大多使用較早的GE Dash 4000型號監護儀，該款監護儀由于性能限制不支持波形數據輸出，因此神經外科ICU數據接入量最小。圖4為近10天ICU物聯網數據接入量趨勢圖。
圖4
ICU物聯網數據接入量趨勢圖
Figure4.
Trend chart of IoT data access volume in ICU
2.3 數據存儲
ICU物聯網數據平臺采用時序數據庫Druid進行醫療設備物聯網流數據的分布式存儲。經查詢統計，自2022年1月以來，ICU物聯網數據平臺中共接收并存儲217.6億條數據，數據量總計12.5 TB。按醫療設備分類，涵蓋監護儀數據204.12億條，數據量11.73 TB，占比93.84%；呼吸機數據13.48億條，數據量0.77 TB，占比6.16%。按數據類型分類，涵蓋生理體征數據105.84億條，數據量0.99 TB，占比7.92%；生理波形數據80.49億條，數據量10.83 TB，占比86.64%；生理報警數據31.27億條，數據量0.68 TB，占比5.44%。圖5為數據存儲情況統計圖。
圖5
數據存儲情況統計圖
Figure5.
Statistical chart of data storage
2.4 患者數據分析
ICU物聯網數據平臺與HIS進行了接口對接，患者基本信息、檢查檢驗信息、醫囑信息等數據采用列式存儲數據庫Click House進行數據同步與存儲，并通過Flink與物聯網流數據進行了融合。經統計分析，自2022年1月以來，完成HIS數據融合的數據量總計132億條，占全部數據的61%，4個ICU物聯網數據覆蓋患者共計8 734例，其中男性患者5 201例，女性患者3 533例，圖6為患者年齡分布圖，后續會繼續優化數據匹配工作，提高物聯網數據與HIS數據的匹配度。
圖6
患者年齡分布圖
Figure6.
Distribution chart of patient age
3 討論與結論
本研究提出了完整的ICU醫療設備物聯網解決方案。整體架構采用感知層、網絡層、平臺層、應用層四層設計，定義了ICU醫療設備物聯網建設中涉及的關鍵技術與功能模塊；研究了3種設備物聯與數據采集方法，實時采集醫療設備數據并匯聚至數據平臺，解決數據獲取難與“數據孤島”問題；給出了基于IHE-PCD架構的數據標準化方法，解決了物聯網多源數據的統一標準化問題；針對3類應用場景研究了基于物聯網數據的綜合分析利用方法，對如何應用物聯網技術優化與改善ICU醫療服務給出了案例參考。我們基于該方案在解放軍總醫院4個ICU監護病房進行了醫療設備物聯網應用部署與試運行，目前已穩定運行25個月，實現122臺設備物聯，共采集數據12.5 TB，其結果證明該方案具備可行性，可以在ICU內穩定、大規模的完成醫療設備數據采集工作，支撐醫院和臨床相關業務。
ICU醫療設備物聯網系統建設的最大挑戰是如何對多廠家、多種類、多協議的醫療設備進行統一、實時、高效的數據采集。本研究針對此問題提出了3種設備物聯和數據采集方法，即網關模式、串口服務器模式以及數據采集適配器模式。通過RS232/RJ45等接口與醫療設備建立通信獲取原始數據，開發數據驅動程序對異構數據進行數據解析，最終上傳至服務器進行分發、存儲與應用。其中網關模式和串口服務器模式側重于在服務器端進行批量化的數據同步與數據解析，利于提高數據采集與數據處理效率，但也在一定程度上增加了服務器負載，如果服務器出現宕機、進程崩潰等情況，整個ICU物聯網將中斷。而數據采集適配器模式側重于在邊緣側實現數據采集，在每個適配器中獨立完成數據獲取、數據解析與數據上傳過程，服務器僅負責數據的接收，這樣保證了在中心服務器出現故障時，各適配器仍然可以獨立運行，有利于提高ICU物聯網的運行穩定性。
在研究過程中我們還注意到，異構數據的標準化程度對物聯網的數據質量與應用效果有極大影響，為此本研究探索基于IHE-PCD框架進行標準化數據封裝，對數據格式與術語定義均進行了統一規范，將多源異構數據封裝成HL7消息結構，并采用Rosetta術語映射表將數據內容映射為具有統一語義的術語詞匯，最終實現多廠家多協議醫療設備的統一規范化數據采集。同時，本研究對ICU醫療設備物聯網應用價值進行了探索研究與實踐，在醫療設備管理、醫療流程優化、患者實時監控以及生理狀態預警3類應用場景下，開展了數據分析與利用。研究表明物聯網數據可以支撐改善ICU醫療服務，具有極高的挖掘價值，如何基于物聯網數據進行疾病預測預警、預后分析、輔助診療等多方面的數據分析將是未來的一個主要研究方向。
本研究仍有一些不足。首先，目前探索的醫療設備物聯方法，數據采集與數據上傳過程都是通過有線連接實現，然而在ICU病房中，大量線纜的存在帶來諸多問題，如網口接觸不良導致數據中斷，反復插拔數據線給醫護人員增加工作負擔等問題。其次，由于物聯網數據密度高，在數據傳輸過程往往會占用較大的網絡帶寬，可能對醫院其他網絡業務產生影響。再次，物聯網數據質量參差不齊，目前缺乏系統性的數據質量監管與數據治理策略，為數據應用與分析帶來了困難。最后，ICU物聯網需要與HIS等系統進行高頻率的數據交互，目前缺乏規范化的數據安全保障策略，存在數據丟失和患者隱私信息泄露等風險。
針對本研究存在的不足與問題，我們將進一步開展深入探索，研究無線化的醫療設備物聯網解決方案[21]，設計建立物聯網通信專網[22]，研究適用于物聯網場景的數據質量管理策略與數據治理方法，結合先進信息安全技術建立數據安全機制[23]。在物聯網數據分析應用方面，我們將進一步開展跨部門、跨學科間合作，針對ICU醫療過程中的實際需求與痛點問題，采用深度學習、多模態大模型等人工智能方法實現更智能的診療輔助決策支持，持續推進ICU向數字化、智能化發展，為患者提供更加完善的診療服務。
最后，從科學研究的角度分析，ICU醫療設備物聯網數據帶來了醫療數據量的爆發式增長，物聯網的時序數據與臨床數據的融合，為醫療大數據的分析研究提供了更加豐富的數據支撐，使得臨床數據分析真正意義上成為數據密集型科學（Data-Intensive Science）[24]研究，助力臨床科研走向“物聯網+大數據+AI”的應用模式。
重要聲明
利益沖突聲明：本文全體作者均聲明不存在利益沖突。
作者貢獻聲明：梁洪負責ICU醫療設備物聯網數據采集方案設計、3類典型應用場景探索研究以及文章撰寫；孫繼鵬、范勇負責ICU設備物聯網數據標準化解析和方案部署實施；曹德森、何昆侖、張政波負責指導研究和文章審校。
