VTE 风险自动评分机器人 · 需求文档 v1.0

来源：知行合医-004 案例配套
用途：从”软倡导”到”硬锁死”的最终形态——算法驱动
目标：让 VTE 风险评估从”医生记得做”变成”系统不得不做”

一、项目背景

1.1 现状痛点

  • 临床医生工作繁忙，Caprini 评分常被遗漏
  • 评分结果不准确（如把 6 分漏评为 4 分）
  • 评估表只是”软倡导”，无强制约束
  • 各科室评估标准不统一

1.2 改进目标

  • 从”软倡导”变成”硬锁死”
  • 从”医生记得做”变成”系统不得不做”
  • 从”评分结果不一致”变成”算法统一计算”

1.3 项目愿景

让 VTE 风险评估成为医院信息系统的”自动免疫系统”

二、需求概述

2.1 功能需求

FR-1 自动评分

  • 从 HIS / 电子病历 / 护理系统自动提取 Caprini 评分所需变量
  • 自动计算 Caprini 评分
  • 自动判定风险等级（低危/中危/高危）

FR-2 评分依据变量

变量 数据源 自动提取难度
年龄 HIS 易
性别 HIS 易
BMI 护理系统 易
卧床状态 护理记录 / 医嘱 中（NLP）
既往史（VTE/肿瘤/卒中） 病历 中（NLP）
手术类型 手术申请单 易
麻醉方式 麻醉记录 易
实验室指标（D-二聚体等） LIMS 易
用药史（激素/化疗等） 医嘱 易

FR-3 实时计算

  • 入院 24 小时内自动完成首次评分
  • 每次病历更新（医嘱、检验、手术）后重新计算
  • 评分变化时自动推送提醒给管床医师

FR-4 智能预警

  • Caprini ≥ 3 分：自动推送”VTE 风险告知”提醒 + 知情同意书模板
  • Caprini ≥ 5 分：自动推送”高危预警” + 触发会诊邀请
  • 术后第 3 / 7 天：自动推送”D-二聚体复查”提醒
  • D-二聚体异常：自动推送”下肢血管彩超”建议

FR-5 硬阻断

  • 评分未完成时，限制开立某些关键医嘱（如硬膜外麻醉）
  • 高危患者未开物理预防时，提示外科医师
  • 抗凝医嘱划除时，强制上级医师电子签名

三、技术架构

3.1 系统架构

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
┌─────────────────────────────────────────┐
│           数据源层                        │
├─────────────────────────────────────────┤
│  HIS  │  电子病历  │  LIMS  │  护理系统  │
└─────────────────────────────────────────┘
                ↓
┌─────────────────────────────────────────┐
│        VTE 评分引擎（核心）              │
├─────────────────────────────────────────┤
│   数据提取 → NLP 处理 → 规则计算         │
│   ↓                                     │
│   Caprini 评分 → 风险等级 → 预警触发     │
└─────────────────────────────────────────┘
                ↓
┌─────────────────────────────────────────┐
│           应用层                          │
├─────────────────────────────────────────┤
│  医生工作站  │  护士站  │  质管大屏  │  APP  │
└─────────────────────────────────────────┘

3.2 关键技术

技术 用途
HL7 / FHIR 医疗数据交换标准
NLP 从病历文本中提取关键信息
规则引擎 Caprini 评分规则实现
消息队列 实时评分推送
可视化大屏 质管 KPI 监控

3.3 评分算法（示例）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
def calculate_caprini(patient):
    score = 0
    
    # 年龄
    if 41 <= patient.age <= 60: score += 1
    elif 61 <= patient.age <= 74: score += 2
    elif patient.age >= 75: score += 3
    
    # BMI
    if patient.bmi >= 25: score += 1
    
    # 卧床状态（NLP 提取）
    if patient.is_bedridden: score += 2
    
    # 既往史（NLP 提取）
    if patient.history_vte: score += 3
    if patient.history_cancer: score += 2
    if patient.history_stroke: score += 1
    
    # 手术类型
    if patient.surgery == 'major': score += 2
    elif patient.surgery == 'orthopedic': score += 5
    
    # 实验室指标
    if patient.d_dimer > 0.5: score += 1
    
    # ... 其他评分项
    
    return score

def get_risk_level(score):
    if score <= 2: return 'low'
    elif score <= 4: return 'medium'
    else: return 'high'

四、实施计划

阶段 1：MVP（最小可行产品）（3 个月）

  • 评分规则实现
  • HIS 数据对接
  • 医生工作站嵌入
  • 简单推送

阶段 2：功能完善（3 个月）

  • NLP 提取既往史
  • 多源数据集成
  • 智能预警
  • 硬阻断

阶段 3：智能化（3 个月）

  • 机器学习辅助评分
  • 异常模式识别
  • 风险预测模型
  • 全院大屏

阶段 4：生态化（持续）

  • 移动端 APP
  • 患者教育
  • 行业标杆
  • 学术论文

五、评估指标

指标 当前 目标
Caprini 评分完成率 68% ≥ 98%
评分准确率 70% ≥ 95%
评分耗时 5-10 分钟 < 1 分钟
医生满意度 - ≥ 90%

六、知行合医-004 案例关联

6.1 案例暴露的痛点

  • 入院 24 小时内 Caprini 评分漏做
  • 评分结果不准确（4 分 vs 真实 5-6 分）
  • 抗凝医嘱划除无强制约束

6.2 机器人如何解决

痛点 机器人方案
漏评 系统自动评分，无需医生主动做
不准确 统一规则引擎，避免主观判断
医嘱划除 划除时强制上级医师电子签名

七、风险与挑战

风险 应对
数据对接困难 选择支持 HL7/FHIR 的系统
NLP 准确率 持续训练 + 人工 review
临床抵触 强调”辅助决策”而非”替代决策”
隐私保护 严格遵循《个人信息保护法》

八、预算估算

项目 费用（万元）
软件开发 30-50
系统对接 10-15
NLP 训练 5-10
硬件 5-10
运维（年度） 10-15
合计（首年） 60-100

九、ROI（投资回报）

9.1 直接收益

  • 减少 VTE 死亡（按 1 例死亡赔偿 50-100 万计算）
  • 减少 VTE 治疗费用
  • 减少医疗纠纷

9.2 间接收益

  • 提升医院安全文化
  • 助力三甲评审
  • 行业标杆效应
  • 患者口碑提升

十、结语

VTE 风险自动评分机器人，是知行合医-004 案例反思的最终答案——

从”软倡导”到”硬锁死”再到”算法驱动”。

这不是替代医生，而是让医生的判断建立在算法之上。

这不是冰冷的技术，而是用技术致敬每一个本可避免的死亡。

版本：v1.0
配套案例：知行合医-004「痛风术后沉默杀手」
类型：需求文档（PRD）+ 技术架构