数智慢病管理：模型与方法

数智化慢病管理是由数智技术驱动的慢性病管理，并实现对患者健康状态动态监测、个性化筛查和精准防治服务的新模式。《数智慢病管理：模型与方法》以前列腺癌、肝细胞癌和糖尿病等慢性病为研究对象，采用大数据、人工智能等跨学科方法，系统地探讨了数智技术在慢病管理中的应用。主要内容包括慢病数据融合与动态采集、个性化筛查策略、疾病分期诊断、并发症预测与干预等。

目录
1 引言 1
1.1 慢性病概论 1
1.2 慢性病的管理 1
1.3 数智慢病管理研究概述 2
1.4 本书章节结构 9
参考文献 11
2 慢病数据的双渠道融合与动态采集 12
2.1 问题背景 12
2.2 数据融合与数据采集方法研究 13
2.3 融合在线数据与离线数据的慢性病患者数据动态采集模型 16
2.4 双渠道心率数据采集实验 25
2.5 本章小结 31
参考文献 32
3 不区分患者类别的动态癌症监护策略 35
3.1 问题背景 36
3.2 相关文献综述 38
3.3 前列腺癌症监护策略的POMDP建模 40
3.4 单类病人的前列腺癌主动监护病例研究 45
3.5 本章小结 49
参考文献 49
4 区分患者类别的静态癌症监护策略 52
4.1 问题背景 52
4.2 相关文献综述 53
4.3 多类病人的监护策略优化建模 55
4.4 静态监护策略和动态监护策略的比较 63
4.5 模型的Benders分解 67
4.6 前列腺癌主动监护病例研究 72
4.7 本章小结 78
参考文献 79
5 基于无创检查的慢性病分期静态诊断决策 83
5.1 问题背景 83
5.2 慢性病无创性分期诊断方法相关研究 85
5.3 基于整体特征与局部特征的两阶段诊断模型 87
5.4 肝纤维化数据实验及分析 96
5.5 本章小结 105
参考文献 106
6 基于纵向数据的慢性病并发症个性化预测 110
6.1 问题背景 110
6.2 慢性病并发症预测方法研究 111
6.3 GMPC模型 113
6.4 糖尿病肾病风险预测数值实验 119
6.5 本章小结 130
参考文献 131
7 考虑慢病及其与并发症相关性的个性化筛查决策 134
7.1 问题背景 135
7.2 个性化并发症筛查方法相关研究 136
7.3 个性化并发症筛查模型 139
7.4 基于POMDP框架的PCSD模型结构特性 148
7.5 基于POMDP框架的PCSD模型求解方法 150
7.6 案例研究：基于肝纤维化状态的个性化肝细胞癌筛查 154
7.7 本章小结 166
参考文献 167
8 考虑疾病相关性的多种慢性病联合筛查 172
8.1 问题背景 173
8.2 慢性病干预与并发症筛查联合决策相关研究 175
8.3 个性化慢性病和并发症异步筛查模型 177
8.4 ASD模型目标函数 183
8.5 数据实验 187
8.6 本章小结 200
参考文献 201
9 数据驱动的慢性病并发症动态干预决策 204
9.1 问题背景 204
9.2 慢性病并发症干预策略研究 205
9.3 个性化预防性干预模型 207
9.4 糖尿病肾病动态干预数值实验 217
9.5 本章小结 227
参考文献 228
10 慢性病共病的数智管理问题 232
10.1 问题背景 233
10.2 共病群体的簇团网络和卫生服务需求演化 238
10.3 共病的卫生服务模式与效果评估 241
10.4 共病的防控模式与政策干预 244
10.5 共病的数智管理研究问题 247
10.6 本章小结 258
参考文献 259
11 全书总结 266
11.1 总结 266
11.2 未来研究展望 267