DOI:10.20047/j.issn1673-7210.25111896
中图分类号:R473.73
杨书情1, 谭艳2
| 【作者机构】 | 1湖南中医药大学护理学院; 2湖南省肿瘤医院护理部 |
| 【分 类 号】 | R473.73 |
| 【基 金】 | 湖南省自然科学基金项目(2024JJ6293)。 |
肝癌是全球最常见的恶性肿瘤之一,已对人类健康造成严重威胁[1-2]。其发病率在许多国家呈上升趋势,根据中国国家癌症中心最新发布的数据显示,2022年中国新发肝癌达36.77万例,占全国26.4%,死亡病例达31.65万例,占全国22.42%[3-4]。手术是治疗肝癌最有效可行的手段,但患者在围手术期常伴随营养不良,肝癌患者术后营养不良的发生率高达54.6%[5]。李春蕾等[6]研究显示,术前营养不良是导致肝癌患者术后病情恶化甚至死亡的独立危险因素。因此,加强围手术期营养管理是改善预后、提高生存率的关键[7]。传统营养管理存在人工营养评估效率低、营养干预精准度不足、患者依从性差等缺陷,难以满足个性化的营养需求。近年来,数字健康技术以电子健康记录、远程医疗、人工智能等多种形式为肝癌患者提供远程医疗服务,正逐步应用于肝癌患者围手术期营养管理,为其提供精准个性化的饮食指导、实时营养监测[8]。鉴于此,本文对国内外数字健康技术在肝癌围手术期营养管理的核心技术类型、具体应用效果及场景进行概述,对数字健康技术现阶段存在的问题进行分析并提出建议,以期为护理人员推动肝癌围手术期精准化、智能化营养管理提供科学参考。
世界卫生组织在《数字健康全球战略(2020—2025)》[9]中明确指出,数字健康技术是指利用数字技术改善健康有关的知识和实践领域,包括但不限于人工智能、移动应用程序、可穿戴设备、互联网、远程医疗等新型技术形式。当前数字健康技术正逐步被应用于营养护理领域,具有营养评估、营养风险预测、线上营养咨询及健康管理等强大功能[10]。此外,患者可借助数字健康技术开展辅助自我决策,增强自我管理能力,高效精准地进行疾病早期诊断和预防[11]。目前,如何利用数字健康技术推动护理服务高质量发展、为人民健康保驾护航已成为当代护士的重要时代课题。
移动终端技术以智能手机、平板电脑等硬件设备为载体,以微信小程序、专用APP等软件功能为核心,具备终端设备的智能化与数据采集等核心优势,依托硬件的便携性与软件的功能适配性实现肝癌营养管理及风险预测。Kim等[12]运用mHealth移动应用程序对肝癌患者开展为期12周的运动干预,将可穿戴物设备与移动应用连接,自动记录患者热量消耗等身体数据,同时该程序配备营养信息、应用聊天等功能,可及时监测患者身体活动和健康状况,并与医护人员及时联系,显著改善肝癌患者的身体素质,但该研究干预周期较短,未来需开展大样本量长周期的研究验证其结果。Zuo等[13]开发了一款纳米增强型的移动终端护理系统,可实现敏感生物标志物检测和数字个性化肝癌风险评估,其原理是利用酶工程的金属-多巴胺框架作为纳米探针,用于检测α胎蛋白和去γ羧前凝血酶,结合甲胎蛋白等指标及年龄、性别两个关键预测因子构建F4-ASAD诊断模型,肝癌患者通过智能手机将年龄、性别和生物标志物浓度输入自制的F4-ASAD在线计算器,即可获得肝癌风险概率,其准确率高达91.1%,在肝癌精准预测方面潜力巨大。综上所述,与传统营养管理相比,移动终端技术可实时记录患者日常能量消耗,精准预测肝癌风险,但该技术目前存在功能同质化严重、部分程序操作复杂等问题,未来需加强技术投入,积极开发新功能,简化操作界面,进一步优化移动终端用户体验。
人工智能技术正以全新视角重塑医疗保健服务,促进护理实践领域的智能化发展[14]。人工智能由各种智能算法和技术组成,通过机器学习、机器人技术、深度学习、自然语言处理等两种或多种数字算法的混合,对临床营养数据进行挖掘分析,实现营养风险精准预测、个性化营养方案制订、营养数据智能化处理[15-16]。其核心技术原理主要包括特征工程提取、预测模型构建、智能决策算法运用等,可有效降低人工劳动成本,提升营养管理效率与精准度。Gairola等[17]通过人工神经网络模型整合25项指标构建肝癌术后复发风险预测模型,评估患者术前营养状态及代谢变化,根据风险等级优化营养方案,肝癌患者术后康复效果显著改善,但该研究仅笼统提及神经网络技术,未深入解析不同人工智能模型在风险预测、不同技术路径临床适用场景中的优劣差异。Calderaro等[18]研究显示,人工智能可自动输入营养数据,精准解读临床数据中的隐藏信息,运用语言大模型为肝癌患者制订个性化营养计划,显著提高围手术期营养管理效率。综上所述,人工智能技术为肝癌围手术期营养管理提供更高效便捷的途径与方法,但目前存在人工智能模型训练数据不足、临床转化难度大等问题。因此,未来中国医护人员应更积极地推动人工智能与肝癌营养管理深入融合,开创更高效精准的营养管理图景。
远程通信技术以互联网、5G等通信网络为基础,通过视频会议、线上平台、实时监测系统等形式实现远程营养教育、远程咨询指导、远程数据传输等功能[19]。其核心技术原理包括实时音视频传输、云端数据存储、多终端协同交互等。该技术具备跨越时空限制、高效整合医疗资源等显著优势,使肝癌患者在非诊疗环境中即可获得专业的营养管理服务[20]。李琼等[21]开设远程医疗平台,每日推送肝癌术后饮食知识,以生动、人性化的表述激发肝癌患者学习营养知识的兴趣,显著提高肝癌患者的知识素养。李海燕等[22]依托互联网组建线上营养支持小组,肝癌患者定时通过远程平台提交饮食记录表,护士记录、统计患者饮食摄入量,根据实际摄入量和机体需要量调整饮食计划,结果显示其非计划诊疗次数明显减少,营养状况显著改善,但该研究对用户黏性及依从性状况未明确说明。综上所述,远程通信技术在提高医疗服务效率、改善肝癌患者营养状况方面具有重要作用,可显著增强其对抗癌症的信心与动力。
数字健康技术主要通过移动应用程序、人工智能模型等途径精准分析肝癌患者营养变化趋势,有效评估肝癌患者围手术期营养状况,促进术后康复。但系统检索国内外文献发现,目前癌症患者的数字化营养筛查与评估平台逐渐增多,针对肝癌患者的数字化营养筛查与评估却较少报道。张捷等[23]随机纳入131例非住院癌症患者自主扫描R营养师小程序,点击回答所扫描问题后完成在线营养评估,系统可根据其填写答案进行自动化分析,生成营养报告,报告内容包括营养风险等级、营养评分等,同时按照NRS2002量表、PG-SGA量表对其做出标准营养评估,结果显示R+小程序在癌症患者营养评估中准确性更高,癌症患者可在非医疗环境中进行自主营养评估。王艳莉等[24]对205例肿瘤患者开展营养风险筛查,运用智能营养筛查平台提取数据指标,对患者进行营养风险识别,结果显示该系统灵敏度较高,但该系统需依赖院内电子病历数据,院外应用受限。此外,研究收集220例肝癌患者的回顾性队列数据,开发一种简单准确的新型营养风险评估模型,结果显示该模型对肝癌患者的营养风险评估具有较高的准确性[25]。目前数字健康技术在精准针对肝癌患者营养风险评估与筛查方面发展相对有限,未来应开发针对肝癌患者营养评估与筛查的数字平台,如基于手术APP的“主观全面评定法”“微型营养评定法”等,实现数据快速录入与营养风险的自动化分级,推动营养风险评估与筛查向高效率化、高智能化发展。
营养支持是保证肝癌围手术期患者康复质量的重要环节,营养摄入不足可严重影响患者术后状态,通过移动应用程序、远程医疗平台等技术形式开展个性化营养支持,可显著提升营养干预效果。张兰菊等[26]创立移动护理辅助应用程序,包含患者端、医护端及处理器主控端3个部分,肝癌患者术前通过患者端以文字图片方式记录血压等身体状况,程序辅助肝癌患者制订个性化营养方案;医护端对患者营养状况实时监测,数据超过设定范围可发出警报,便于医护人员及时采取干预措施;处理器主控端录入围手术期营养数据与患者端数据一起分析整理,方便医护人员实时掌握患者营养状况,提升患者术后生活质量。王海虹等[27]创建“杏林春暖”远程平台,平台内设有围手术期指导、饮食计划及健康营养知识等信息资源,对营养方案存在疑惑的肝癌患者可直接发送消息至平台,管理员根据情况逐一回复,结果显示患者营养状况显著改善,但该研究对合并糖尿病、肝硬化等并发症的特殊群体个性化营养支持尚未提及。综上所述,数字健康技术可通过饮食监测、动态调整营养方案等途径广泛运用于肝癌围手术期营养管理,显著提高肝癌患者知识素养,规范日常饮食习惯。
数字健康技术凭借移动终端、远程平台等数字化教育形式可有效改善肝癌患者心理状态,提高营养管理依从性,降低围手术期营养风险。宋晓燕[28]应用互联网健康教育平台,通过视频、图文等生动形式对肝癌患者开展健康宣教,过程中巧妙融入心理疏导、情绪控制等技巧,显著改善患者心理状态,有效化解依从性不佳等难题,但该平台的内容更新频率较低,难以满足肝癌患者围手术期心理动态变化及知识需求。黄晓娇等[29]制作术后营养教育的科普视频,将复杂的医学营养知识转化成肝癌患者听得懂、记得住的生活常识,纠正饮食误区,该方式可有效缓解患者因医学知识晦涩难懂而引发的负性情绪,显著增强肝癌患者的健康意识。综上所述,数字营养教育、远程指导等为肝癌围手术期患者提供正确的健康知识获取途径,有效减轻患者焦虑情绪,提升营养管理依从性。
数字健康技术不仅在营养管理领域展现良好的应用前景,而且在提高医疗资源配置及工作效率等方面具有显著效果。Zhao等[30]对肝癌患者开展“家庭-医院-家庭”的3H营养管理模式,依据营养支持团队探讨的文件及现行肝癌患者营养护理实践指南制订营养管理计划,由13名临床护理专家和营养师等多学科团队共同制订最终营养干预方案,并由专业团队在线答疑、及时调整营养方案,该模式可将线下医疗资源向急症、重症肝癌患者倾斜,提升整体医疗资源配置的合理性。孙巧琳等[31]创建互联网平台开展干预试验,干预组利用互联网平台将宣教内容以图片和视频形式制成文稿,设置规定时间完成推送,肝癌患者可随时查阅,并在出院后开展线上生命质量、疾病知识掌握程度调查,患者在线填写后数据自动同步至后台,无需医护人员逐一电话随访或手动录入数据,该模式通过线上自动化管理,显著减少医护人员线下随访、手动记录的时间成本,减轻临床工作负荷,间接提升医疗资源的配置效率。目前由于世界各国国家政策、经济发展水平及医疗体系构建存在较大差异,如何制订最优医护资源配置方案,更大程度上减轻医护人员的工作负荷,仍需进行长时间的本土化验证。
肝癌患者围手术期营养管理涉及营养筛查评估、监测、支持和教育等多个环节,数字技术的运用为肝癌围手术期营养管理提供新思路。与传统营养管理模式相比,数字化营养管理以数字信息设备为媒介,强调营养方案的个性化。然而,目前在数字化营养管理方案构建过程中,存在缺乏多学科团队指导、理论支撑不足等问题,难以形成系统化、标准化的营养管理模式[32]。因此,未来建议研究者组织建立多学科团队,结合肝癌营养理论、围手术期营养指南构建系统的数字化营养管理方案,如构建护理人员数字技能培训体系,将数字平台操作、远程沟通技巧等纳入护士亟须教育课程,考核合格后颁发数字营养管理资质的相关证书。同时,目前部分数字设备监测指标相对有限,一般仅有基础体征的监测功能,无法形成全面系统的监测模块,未来可增加各类营养量表评估、血红蛋白等营养指标,实现多维度的营养管理模式,进一步推动数字技术在肝癌围手术期营养管理中的应用。
“老年数字弱势群体”是数字时代的特殊群体,随着中国医疗服务智能化和老龄化进程的逐年加快,数字健康技术在为老年患者提供优质服务方面尚欠缺,使其难以获得良好的就医体验[33-34]。目前数字化营养干预主要以智能检测仪、手环等数字设备为媒介,老年患者可能存在程序功能不熟悉、操作步骤繁琐等问题,甚至出现厌烦、抵触等负面情绪。因此未来可增加对肝癌老年群体的关注度,根据其认知程度和生理特点,开发适老化数字工具,如简化APP界面,仅保留数据录入、营养方案查看、在线咨询等核心功能。同时增加地区语言切换、方言播报功能,支持粤语、四川话等10多种方言,便于满足不熟悉普通话的特殊群体。此外,还需加大对数字健康设备教学与传播力度,提高老年肝癌群体数字化营养管理的积极性,从而将数字健康设备的巨大益处惠及广大群众。
数字健康技术的推广为新型营养管理提供新思路,目前干预性研究的构建及应用在数字化营养管理领域较集中,质量评估及有效性的相关研究在数字化营养管理实施中仍较缺乏,且处于较低水平的证据等级和成本效益,亟须高质量的卫生经济学和随机对照试验研究。同时,伴随数字健康技术的不断发展,恶意攻击他人、研究数据泄露等风险时刻威胁肝癌患者,未来建议研究者根据《数字健康报告实施指南和清单》[35]进一步规范数字化营养管理流程,并对相应处理结果进行跟进与评估。医院应切实加强信息安全保护,引进更高信息安全系数的数字健康设备,科室应制订数字健康技术的准入标准及使用规范,安排专人对肝癌患者信息进行管理并追责到个人,并进一步健全数字安全保护法律及制度,建立信息技术公司、医院及医务人员的三级追责体系,切实加强监督管理力度,创造安全和谐的网络秩序。
多种数字健康技术的联合使用,可有效弥补单一数字健康技术的应用缺陷,增强营养干预效果,提高肝癌患者依从性[36]。目前中国多数关于肝癌患者营养管理的研究仍局限于微信小程序等社交媒体的单一应用形式,未来应加强技术协同应用,将移动应用程序作为数据采集终端,肝癌患者饮食数据可传输至人工智能进行系统分析,通过互联网平台推送个性化营养建议。形成数据采集-分析-干预的技术应用逻辑链。同时积极探索适合国内本土特色的数字应用形式,借助人工智能等实现肝癌营养数据的实时监测,营养风险的自动化分级,构建肝癌患者围手术期营养管理的时代新图景。
数字健康技术通过移动终端、人工智能、远程通信等多种形式对肝癌患者进行营养干预,显著提升肝癌患者的知识素养,帮助其规范饮食行为,改善心理状态,进而提高肝癌患者营养管理依从性,改善预后结局,同时数字健康技术在优化医护资源配置,减轻医护人员工作负荷等方面发挥巨大作用。但目前中国数字健康技术在肝癌围手术期营养管理中的应用研究及临床实践发展尚处于起步阶段,面临推广群体受限、隐私安全保护有待加强、具体应用形式有待拓展、相关法律法规有待完善等众多挑战,亟须系统完善及深入探究。未来应拓展适用群体,完善相关法律法规,加强技术研发及技术创新,将数字健康技术与临床经验深入结合,积极推动多学科共同发展,为临床护士指导肝癌围手术期营养管理提供参考,并探索适合国内本土特色、便捷高效的肝癌围手术期营养管理方案,切实推动数字健康技术在肝癌围手术期营养管理中的积极应用与全方位发展。
利益冲突声明:本文所有作者均声明不存在利益冲突。
[1] Li X,Ramadori P,Pfister D,et al. The immunological and metabolic landscape in primary and metastatic liver cancer [J]. Nat Rev Cancer,2021,21(9):541-557.
[2] Anwanwan D,Singh S K,Singh S,et al. Challenges in liver cancer and possible treatment approaches [J]. Biochim Biophys Acta Rev Cancer,2020,1873(1):188314.
[3] Shi J F,Cao M,Wang Y,et al. Is it possible to halve the incidence of liver cancer in China by 2050 ? [J]. Int J Cancer,2021,148(5):1051-1065.
[4] 李冬瑞,杜成旭,王文斌. 《原发性肝癌诊疗指南(2024年版)》更新解读[J]. 河北医科大学学报,2025,46(5):497-501.
[5] Tan S,Jiang J,Qiu L,et al. Prevalence of malnutrition in patients with hepatocellular carcinoma:a comparative study of GLIM criteria,NRS2002,and PG-SGA,and identification of independent risk factors [J]. Nutr Cancer,2024,76(4):335-344.
[6] 李春蕾,宋天强,曾亚奇,等. 肝癌肝切术病人标准化相位角与营养状况及临床结局的关系[J]. 肠外与肠内营养,2023,30(2):65-70.
[7] 崔建梅,邹晶. 围手术期肠内营养在肝癌肝切除患者中的有效性及安全性系统评价[J]. 黑龙江科学,2025,16(16):115-117.
[8] Secman C,Van De Castle B. Understanding digital health technologies using mind maps [J]. J Nurs Scholarsh,2021,53(1):7-15.
[9] World Health Organization. Global strategy on digital health 2020—2025 [EB/OL]. (2025-9-23)[2025-11-23]. https://iris.who.int/bitstream/handle/10665/344249/9789240020924 -eng.pdfsequence=1.
[10] Dhingra D,Dabas A. Global strategy on digital health [J].Indian Pediatr,2020,57(4):356-358.
[11] Zwack C C,Haghani M,Hollings M,et al. The evolution of digital health technologies in cardiovascular disease research [J]. NPJ Digit Med,2023,6(1):1.
[12] Kim Y,Seo J,An S Y,et al. Efficacy and safety of an mhealth app and wearable device in physical performance for patients with hepatocellular carcinoma: development and usability study [J]. JMIR Mhealth Uhealth,2020,8(3):e14435.
[13] Zuo W,Meng X,Zeng S,et al. HepatoAILFA:machinelearning-assisted nano-enhanced point-of-care system for personalized precise diagnosis of hepatocellular carcinoma [J]. Nano Lett,2026,26(1):384-394.
[14] Rony M K K,Parvin M R,Ferdousi S. Advancing nursing practice with artificial intelligence:enhancing preparedness for the future [J]. Nurs Open,2024,11(1):10.1002/nop2.2070.
[15] Abhari S,Niakan Kalhori S R,Ebrahimi M,et al. Artificial intelligence applications in type 2 diabetes mellitus care:focus on machine learning methods [J]. Healthc Inform Res,2019,25(4):248-261.
[16] 张杰,冯凤,宋艳华,等. 数字健康技术在糖尿病前期患者血糖管理中的应用进展[J]. 中国医药导报,2025,22(19):167-172.
[17] Gairola S,Solanki S L,Patkar S,et al. Artificial intelligence in perioperative planning and management of liver resection [J]. Indian J Surg Oncol,2024,15(Suppl 2):186-195.
[18] Calderaro J,Zigutyte L,Truhn D,et al. Artificial intelligence in liver cancer new tools for research and patient management [J]. Nat Rev Gastroenterol Hepatol,2024,21(8):585-599.
[19] 周莉丽,万晶晶. 远程医疗技术在肾移植受者服药依从性中应用的研究进展[J]. 护理研究,2024,38(19):3508-3512.
[20] 郭伊凡,任桦,白婧,等. 远程医疗在类风湿关节炎患者延续性护理中应用的范围综述[J]. 中华护理杂志,2025,60(19):2426-2432.
[21] 李琼,唐迎红,高琴,等. 互联网授权教育在肝癌TACE术后患者中应用的效果分析[J]. 微创医学,2024,19(4):444-447.
[22] 李海燕,郑梦静,沈小叶,等. 护士主导的互联网营养支持小组在肝癌TACE术后患者居家营养护理中的应用[J]. 中华现代护理杂志,2025,31(13):1804-1809.
[23] 张婕,郑淑文,龙志文,等. R+营养师小程序在癌症患者营养风险评估中的价值研究[J]. 实用医院临床杂志,2023,20(5):127-130.
[24] 王艳莉,龚丽青,辛晓伟,等. 一种智能营养筛查系统用于住院肿瘤患者营养风险的预测性分析[J]. 中国食物与营养,2019,25(1):76-80.
[25] Xu C,Tang Z,Wei M,et al. Predicting recurrence and recurrence-free survival in initially unresectable hepatocellular carcinoma:a novel nomogram for patients undergoing conversion hepatectomy with lenvatinib,PD-1 inhibitor,and interventional therapy [J]. Front Immunol,2025,16:1602.
[26] 张兰菊,徐晓秋,刘璐丹,等. 原发性肝癌病人健康素养管理移动护理辅助应用程序的构建及应用分析[J].全科护理,2024,22(8):1484-1488.
[27] 王海虹,严阳,孙丽诗. 基于微信平台健康教育对肝癌术后患者生活质量、营养知识和疼痛的影响[J]. 中国基层医药,2021,28(7):1102-1105.
[28] 宋晓燕. 互联网健康教育平台在肝癌介入治疗患者中的应用效果探讨[J]. 中国新通信,2022,24(11):129-131.
[29] 黄晓娇,谭艳,戚熠. 基于证据的肝癌患者术后饮食管理科普作品的研制及应用[J]. 中华护理教育,2025,22(8):1013-1019.
[30] Zhao R,Hou X,Niu Y,et al. Effect of the home to hospital to home nutrition management program on postoperative liver cancer patients:a single-center randomized controlled study [J]. Medicine(Baltimore),2023,102(49):e36648.
[31] 孙巧琳,臧爽,徐阳. 基于互联网平台对肝癌肝动脉化疗栓塞术患者的延续性护理实践[J]. 介入放射学杂志,2020,29(7):726-729.
[32] Alemania E,Hind A,Samara J,et al. Nurse-led interventions among older adults affected by cancer:an integrative review [J]. Asia Pac J Oncol Nurs,2023,10(10):100289.
[33] 刘宇婷,贺苗. 健康传播中老年群体数字鸿沟产生的伦理问题与对策研究[J]. 中国医学伦理学,2024,37(7):807-812.
[34] 赵恒娣,张富康,孙克娟,等. 数字健康技术与护理学科交叉融合的研究进展[J]. 中国护理管理,2025,25(2):171-174.
[35] Perrin Franck C,Babangton Ashaye A,Dietrich D,et al. iCHECK-DH:guidelines and checklist for the reporting on digital health implementations [J]. J Med Internet Res,2023,25:e46694.
[36] Tang J,James L,Howell M,et al. eHealth interventions for solid organ transplant recipients:a systematic review and meta-analysis of randomized controlled trials [J].Transplantation,2020,104(8):e224-e235.
Research progress on digital health technology in perioperative nutrition management of patients with liver cancer
X