基于人工智能 LSTM 模型预测过敏性鼻炎门诊就诊人数：解锁精准医疗新路径

《BMC Public Health》：Prediction of outpatient visits for allergic rhinitis using an artificial intelligence LSTM model - a study in Eastern China

为解决过敏性鼻炎（AR）治疗、防控缺乏精准信息及合理分配医疗资源问题，研究人员开展用长短期记忆（LSTM）模型预测 AR 门诊就诊人数的研究。结果显示该模型稳定准确，能辅助医院管理，为精准医疗提供支持，对防控 AR 意义重大。

　　过敏性鼻炎（Allergic Rhinitis，AR），这个看不见的 “健康杀手”，正悄然影响着全球众多人的生活。它是由免疫球蛋白 E（IgE）介导的鼻黏膜非感染性慢性炎症，症状多样，从常见的鼻痒、打喷嚏，到眼痒、咳嗽等，严重影响患者的日常生活和身心健康。而且，其发病率在全球呈上升趋势，不同地区的患病率差异较大，亚洲地区为 1.0% - 47.9%，全球中位数达 18.1%。这不仅给患者带来身体痛苦，还造成了巨大的社会经济负担，比如生产力下降、缺勤等。

随着工业化和城市化的快速发展，空气污染愈发严重。美国环境保护署确定的六种关键空气污染物，如臭氧（O3?）、颗粒物（PM）等，不仅危害人体健康，还与 AR 的发生、发展密切相关。像可吸入颗粒物 PM2.5，不仅作为变应原佐剂，还能触发炎症和氧化应激，促进 IgE 产生，加重 AR 症状。此外，环境温度、湿度等气象因素也在其中 “推波助澜”，影响着 AR 患者的门诊就诊频率。

在这样的背景下，为了更好地应对 AR，实现精准医疗，杭州师范大学附属医院等机构的研究人员开展了一项极具意义的研究。他们创新地运用长短期记忆（Long Short-Term Memory，LSTM）模型，结合空气污染和气象数据，对 AR 患者的每日门诊就诊人数进行预测。该研究成果发表在《BMC Public Health》杂志上，为 AR 的防治和医院管理提供了新的思路和方法。

研究人员在开展研究时，运用了多种关键技术方法。首先，收集了 2022 年 1 月 1 日至 2024 年 8 月 31 日杭州地区的空气污染数据（包括 PM2.5、PM10、SO2?、NO2?、CO 的日平均浓度以及O3?的 8 小时平均浓度 ）、气象数据（日平均温度和湿度），以及杭州师范大学附属医院耳鼻咽喉科、急诊科、儿科和呼吸内科的 AR 门诊就诊数据。数据收集完成后，对数据进行了多次筛选和预处理，按性别和年龄分层，将数据归一化处理后构建数据集。之后，利用 Keras 中的 Sequential 模型搭建 LSTM 模型，设置相应的参数进行训练，并使用归一化均方误差（NMSE）评估模型性能，还与传统的自回归积分滑动平均模型（ARIMA）进行对比 。

下面来看看具体的研究结果：

1. 描述性统计分析：研究共纳入 25425 份门诊病历，其中男性患者 13943 人（54.8%），女性患者 11482 人（45.2%），成年患者 17473 人（68.7%），未成年患者 7952 人（31.3%）。同时，统计了门诊就诊人数、空气污染和气象数据的最小值、最大值和平均值等信息，且数据无缺失值和异常值。
2. 预测结果和有效性评估：训练 LSTM 模型后，绘制预测病例数与实际病例数对比图，发现两者趋势相似。计算各分层数据组的 NMSE 值，男性组为 0.4674976，女性组为 0.3812502，成年组为 0.418301，未成年组为 0.4322124，均在 0 - 1 之间，表明模型预测误差小，效果良好。相比之下，ARIMA 模型预测性能不稳定，在预测女性和未成年人分层数据时表现较好，预测男性和成年人数据时较差 。

研究结论和讨论部分，充分肯定了 LSTM 模型在预测 AR 患者门诊就诊人数方面的有效性。该模型能够有效学习长期依赖关系，准确预测未来门诊就诊情况，帮助医院合理分配医疗资源，提高患者就医体验。同时，这一研究成果也符合精准医学的理念，可应用于多种疾病的风险预测、高患病群体识别等，为制定个性化的预防、筛查和治疗方案提供依据。

然而，研究也存在一定的局限性。如数据受新冠疫情影响，未对 2022 年数据单独处理；存在空气污染物浓度和气象观测的暴露测量误差；未考虑空气污染和气象因素的延迟效应，也未深入研究影响 AR 门诊就诊人数的其他因素，如过敏原水平、患者其他疾病及社会经济状况等。但尽管如此，该研究依然为 AR 的防治和精准医学发展做出了重要贡献。未来，有望通过进一步优化模型，整合更多相关数据，减少预测误差，为 AR 的防治和公共卫生管理提供更有力的支持，推动精准医学在健康医学领域的深入发展。