脑小血管病的电子健康档案建设

脑小血管病的电子健康档案建设演讲人01脑小血管病的电子健康档案建设02引言：脑小血管病防控的时代呼唤与电子健康档案的战略意义03脑小血管病的疾病特征与数据管理需求04当前脑小血管病数据管理的现状与痛点05脑小血管病电子健康档案的建设框架06脑小血管病电子健康档案的实施路径与关键策略07脑小血管病电子健康档案的价值体现与未来展望08结论：脑小血管病电子健康档案——精准防控的数字基石目录01脑小血管病的电子健康档案建设02引言：脑小血管病防控的时代呼唤与电子健康档案的战略意义引言：脑小血管病防控的时代呼唤与电子健康档案的战略意义作为一名深耕神经内科与公共卫生领域十余年的临床研究者，我见证了脑小血管病（cerebralsmallvesseldisease,CSVD）从“被忽视的沉默杀手”到“神经科学领域热点”的转变。CSVD是指脑内小动脉、小静脉、毛细血管及微循环发生的病变，包括脑白质病变、腔隙性梗死、微出血、血管周围间隙扩大等影像学改变，是缺血性卒中、认知障碍、血管性痴呆的重要病理基础。流行病学数据显示，我国CSVD患病率随年龄增长显著攀升，60岁以上人群占比超30%，而其隐匿性、进展性特征导致早期诊断率不足20%，患者往往在出现明显认知障碍或肢体功能障碍时才就医，错失最佳干预时机。引言：脑小血管病防控的时代呼唤与电子健康档案的战略意义在传统医疗模式下，CSVD的管理面临诸多困境：患者分散于神经内科、老年科、全科医学科等多学科，诊疗数据碎片化存储于不同医院、不同系统；随访数据依赖纸质记录，易丢失且难以动态分析；影像学数据（如MRI序列）格式不统一，跨中心比对困难；临床决策与科研转化缺乏高质量、标准化的数据支撑。这些痛点不仅制约了个体患者的精准化管理，更阻碍了CSVD防控策略的宏观优化。电子健康档案（ElectronicHealthRecord,EHR）作为整合个人全生命周期健康信息的数字化载体，为破解CSVD管理难题提供了全新路径。通过构建以患者为中心、多维度数据融合的CSVD-EHR系统，可实现从高危筛查、早期诊断、动态随访到预后评估的全流程闭环管理，为临床决策、科研创新、公共卫生政策制定提供数据支撑。本文将从疾病特征与数据需求出发，系统阐述CSVD-EHR的建设框架、关键技术、实施路径及价值体现，以期为行业实践提供理论参考与操作指引。03脑小血管病的疾病特征与数据管理需求1CSVD的病理生理与临床特征CSVD的病变累及脑内直径200μm以下的小血管，病理机制涉及血管壁增厚、玻璃样变性、微血栓形成、血脑屏障破坏等，导致脑组织慢性缺血、微出血及代谢紊乱。其临床特征可概括为“三高三异”：-高异质性：临床表现差异显著，部分患者仅表现为无症状性影像学改变，部分可出现认知下降、步态障碍、情绪改变（如抑郁）等非特异性症状，严重者可导致血管性痴呆或脑出血。-高进展性：病变随时间推移逐渐加重，脑白质体积每年减少1%-2%，认知功能评分每年下降1-3分，需长期动态监测。-高共病性：常与高血压、糖尿病、高脂血症等代谢疾病共存，相互促进疾病进展，增加管理复杂性。1CSVD的病理生理与临床特征-隐匿起病：早期无明显症状，影像学改变常在体检或因其他疾病检查时偶然发现，导致“发现即中晚期”。01-多学科管理需求：涉及神经内科（诊疗）、康复科（功能训练）、心理科（情绪干预）、全科医学科（慢病管理）等多学科协作。03-诊断依赖影像：CT、MRI（尤其是T2加权、FLAIR、SWI序列）是诊断的核心依据，但影像判读标准不统一易导致漏诊、误诊。020102032CSVD数据管理的核心需求基于上述特征，CSVD-EHR需满足“全周期、多维度、标准化、动态化”的数据管理需求：-全周期数据覆盖：从高危因素筛查（如年龄、高血压、吸烟史）到初诊确诊、治疗方案制定（药物、康复）、长期随访（症状变化、影像学进展、并发症监测），直至预后转归，形成完整数据链。-多维度数据融合：整合结构化数据（人口学信息、实验室检查、量表评分）与非结构化数据（影像学图像、病程记录、病理报告）、实时监测数据（可穿戴设备血压、血糖）与社会环境数据（居住环境、经济状况），构建360患者画像。-标准化数据表达：采用统一的数据元标准与术语体系（如ICD-11、SNOMEDCT），确保不同来源、不同格式数据的可互操作性，避免“信息孤岛”。2CSVD数据管理的核心需求-动态化数据分析：支持纵向数据追踪（如同一患者不同时间点的影像学对比）与横向数据比对（如不同人群的疾病进展差异），为个体化预测模型提供数据基础。04当前脑小血管病数据管理的现状与痛点1传统纸质档案的局限性在信息化建设初期，CSVD患者的健康信息主要依赖纸质档案管理，其弊端日益凸显：-存储空间大，检索效率低：一位患者10年的随访资料可堆积成数厘米厚的档案，查找特定时间点的检查结果需人工翻阅，耗时且易遗漏。-数据易丢失，完整性差：纸质档案易受潮、虫蛀或因搬迁遗失，导致关键数据（如早期影像学资料）缺失，影响疾病进展分析。-信息碎片化，共享困难：不同医院的纸质档案无法互通，患者转诊时需重复检查，增加医疗负担；多学科协作时，信息传递滞后易导致治疗决策偏差。2现有电子档案系统的不足尽管我国已推进医院电子病历系统（EMR）建设，但针对CSVD的专用EHR系统仍存在明显短板：-数据标准化程度低：不同医院对CSVD相关数据的采集维度和格式不统一，如脑白质病变严重程度评估有的采用Fazekas量表（半定量），有的采用视觉评分法，数据难以跨中心整合。-影像数据管理薄弱：多数EMR系统仅存储影像报告，未保留原始DICOM图像，无法进行后处理分析（如脑白质体积定量、微出血计数）；缺乏影像-临床数据联动，难以实现“影像-症状-体征”的关联分析。-动态随访功能缺失：CSVD需长期随访，但现有系统多侧重门诊诊疗记录，缺乏主动随访提醒、患者端数据上报（如居家认知自评）、随访结果自动归集功能，导致随访数据不连续、不完整。2现有电子档案系统的不足-科研与临床脱节：临床数据采集未考虑科研需求，缺乏关键变量（如血管周围间隙分级、认知域评估细分），导致数据“能用率”低，难以支持高质量临床研究。3数据安全与隐私保护挑战CSVD数据包含患者敏感信息（如基因检测结果、精神状态评估），在数据共享与利用过程中，存在隐私泄露风险。现有系统在数据脱敏、权限管理、访问审计等方面的技术措施尚不完善，制约了数据的合规应用。05脑小血管病电子健康档案的建设框架脑小血管病电子健康档案的建设框架基于CSVD的疾病特征与管理需求，构建“以患者为中心、多层级协同、全流程覆盖”的CSVD-EHR系统，需从数据层、标准层、技术层、应用层四个维度进行顶层设计。1数据层：构建多源异构数据整合体系数据层是CSVD-EHR的基础，需实现“从数据采集到存储”的全流程管理，涵盖以下核心数据模块：1数据层：构建多源异构数据整合体系1.1基础信息数据-人口学信息：年龄、性别、民族、职业、教育程度、联系方式等，用于分析疾病分布特征（如不同教育水平的认知障碍风险差异）。-病史与家族史：高血压、糖尿病、冠心病等共病史，卒中、痴呆等家族史，是CSVD风险评估的关键指标。-生活方式数据：吸烟、饮酒、饮食结构、运动频率、睡眠质量等，通过患者端问卷或可穿戴设备采集，用于干预效果评估。1数据层：构建多源异构数据整合体系1.2临床诊疗数据-症状与体征：头痛、头晕、认知障碍、步态异常等症状的持续时间、严重程度（采用标准化量表，如MMSE、MoCA）；神经系统体征（如肌力、感觉、病理征）。-辅助检查数据：-实验室检查：血常规、生化（血糖、血脂、肝肾功能）、凝血功能、同型半胱氨酸、炎症标志物（hs-CRP）等；-腰穿检查：脑脊液压力、常规、生化（必要时）；-电生理检查：脑电图（EEG）、经颅多普勒超声（TCD）等。-影像学数据：1数据层：构建多源异构数据整合体系1.2临床诊疗数据-结构影像：头颅CT（排除脑出血、脑梗死）、MRI（T1WI、T2WI、FLAIR、DWI、SWI序列），存储原始DICOM图像及结构化报告（包含脑白质病变Fazekas评分、腔隙性梗死数量与部位、微出血数量与分布、血管周围间隙扩大分级等）；-功能影像（可选）：灌注加权成像（PWI）、扩散张量成像（DTI）等，用于评估脑血流与白质纤维完整性。1数据层：构建多源异构数据整合体系1.3诊疗过程数据-诊断信息：CSVD分型（根据最新影像学标准）、诊断依据、鉴别诊断、确诊时间。-治疗方案：药物（降压药、降脂药、抗血小板药等）名称、剂量、用法、疗程；非药物治疗（康复训练、认知干预、生活方式指导）的具体方案与执行情况。-疗效评估：治疗后症状改善情况、量表评分变化、影像学进展评估（如脑白质体积变化率）、不良反应记录。1数据层：构建多源异构数据整合体系1.4随访管理数据-随访计划：根据疾病风险分层制定随访频率（如低危患者每年1次，高危患者每3个月1次），包含随访时间、项目（影像学检查、认知评估、实验室复查等）。-随访结果：症状变化、新发并发症（如卒中、跌倒）、用药依从性、生活质量评分（如ADL、SF-36）、患者自我管理情况。-失访原因记录：如联系方式变更、拒绝随访、死亡等，用于分析随访队列的代表性。1数据层：构建多源异构数据整合体系1.5公共卫生数据-疾病监测数据：纳入区域脑卒中登记系统、慢病管理系统，实现发病率、患病率、死亡率等指标的动态统计。-健康干预数据：参与社区筛查、健康宣教、高危人群管理项目的记录，评估公共卫生干预效果。2标准层：建立统一规范的数据标准体系标准层是确保CSVD-EHR数据“可互操作、可共享、可利用”的核心，需采用国际与国内相结合的标准体系：2标准层：建立统一规范的数据标准体系2.1数据元标准-基础数据元：采用《电子健康档案基本数据集》（GB/T21434-2018）中的人口学、基本信息等标准数据元。-专科数据元：针对CSVD特点，制定专科数据元标准，如“脑白质病变Fazak评分”（值域1-3分）、“微出血数量”（数值型）、“认知域评估”（定向、记忆、执行功能等子维度）。2标准层：建立统一规范的数据标准体系2.2术语标准-疾病诊断：采用ICD-11编码（如“脑小血管病”编码为8A60），确保诊断术语的标准化。-检查项目：采用LOINC（LogicalObservationIdentifiersNamesandCodes）编码实验室检查与影像学检查项目，如“头颅MRI平扫”编码为“2.16.840.1.113883.6.1）。-症状体征：采用SNOMEDCT术语集，如“认知障碍”编码为“267036007”，“步态不稳”编码为“10023008”。2标准层：建立统一规范的数据标准体系2.3交换标准-数据传输：采用HL7（HealthLevelSeven）FHIR（FastHealthcareInteroperabilityResources）标准，实现不同系统间数据的实时交换与共享，支持“一次采集、多方复用”。-影像存储：遵循DICOM3.0标准，确保影像数据在不同设备、不同系统间的兼容性。2标准层：建立统一规范的数据标准体系2.4质量控制标准-数据完整性：定义必填数据项（如诊断、关键影像学结果），确保核心数据无缺失。01-数据准确性：建立数据校验规则（如血压值范围、年龄与病程的逻辑校验），通过系统自动提示减少录入错误。02-数据时效性：规定关键数据（如随访记录、影像报告）的上传时限（如24小时内），确保数据动态更新。033技术层：支撑高效运行的技术架构技术层是CSVD-EHR系统建设的“技术底座”，需依托云计算、大数据、人工智能等技术，实现数据的“高效采集、智能处理、安全共享”。3技术层：支撑高效运行的技术架构3.1数据采集技术-结构化数据采集：通过EMR系统结构化录入模块，实现病史、检查结果、诊疗方案等数据的标准化录入；支持语音识别技术，将医生口述的病程记录自动转化为文本，提高录入效率。-非结构化数据采集：通过OCR（光学字符识别）技术提取纸质报告中的关键信息（如影像学诊断结论）；通过PACS（影像归档和通信系统）接口自动获取DICOM图像，避免人工上传。-患者端数据采集：开发移动端APP或微信小程序，支持患者自主填写症状日记、认知自评量表（如MoCA自评版），上传可穿戴设备数据（如血压、血糖、步数），实现院外数据的实时采集。3技术层：支撑高效运行的技术架构3.2数据存储与处理技术-分布式存储：采用HadoopHDFS（分布式文件系统）存储海量影像数据与随访数据，利用云存储（如阿里云、腾讯云）实现弹性扩展，满足不同规模医院的需求。-大数据处理：基于Spark框架进行数据清洗（去除重复、错误数据）、数据转换（统一格式、标准化编码）、数据整合（多源数据关联分析），支持千万级患者数据的并行处理。-人工智能辅助分析：-影像智能判读：采用深度学习模型（如U-Net、3D-CNN）自动分割脑白质病变、识别微出血，量化病变体积与数量，减少人工判读偏差；-风险预测模型：基于历史训练数据构建CSVD进展风险预测模型（如认知障碍风险、卒中风险），输入患者基线数据后输出个体化风险评分，辅助临床决策；3技术层：支撑高效运行的技术架构3.2数据存储与处理技术-自然语言处理（NLP）：从非结构化病程记录中提取关键信息（如认知评分变化、用药不良反应），转化为结构化数据，丰富数据维度。3技术层：支撑高效运行的技术架构3.3数据安全技术-隐私保护：采用差分隐私技术，在数据发布时添加噪声，保护个体隐私；通过数据脱敏（如隐藏姓名、身份证号中间6位）确保数据“可用不可见”。-权限管理：基于角色的访问控制（RBAC），设置不同用户（医生、护士、研究者、患者）的数据访问权限（如医生可查看患者全部数据，研究者仅能访问脱敏后的科研数据）。-安全审计：记录数据访问日志（包括访问时间、用户身份、操作内容），定期审计异常访问行为，防止数据泄露。3技术层：支撑高效运行的技术架构3.4系统集成技术-院内系统集成：通过HL7FHIR接口与医院EMR、LIS（实验室信息系统）、PACS、HIS（医院信息系统）对接，实现诊疗数据的自动同步，避免重复录入。01-区域医疗协同：接入区域健康信息平台，实现跨医院、跨地区的患者数据调阅（如患者在A医院确诊后，转诊至B医院可调取A医院的完整诊疗记录）。02-公共卫生对接：通过数据接口向疾控中心、慢病管理系统报送CSVD监测数据，支持区域疾病防控策略制定。034应用层：实现临床、科研、公卫的多场景赋能应用层是CSVD-EHR价值的直接体现，需围绕“临床诊疗、科研创新、公共卫生、患者管理”四大场景，开发差异化功能模块。4应用层：实现临床、科研、公卫的多场景赋能4.1临床决策支持模块-高危人群筛查：整合风险因素（年龄、高血压、糖尿病等），通过风险预测模型自动识别CSVD高危人群，向医生推送筛查建议（如建议行头颅MRI检查）。01-个体化诊疗方案：根据患者疾病分型、共病情况、药物过敏史，推荐标准化诊疗路径（如合并高血压的CSVD患者首选ARB类降压药）；提供药物相互作用提醒（如抗血小板药与抗凝药的联用风险）。02-动态病情监测：自动对比不同时间点的影像学数据与量表评分，生成病情进展趋势图（如脑白质体积年变化率、MoCA评分年下降率），当指标超过预警阈值时（如白质体积年减少>3%），向医生发送预警信息。034应用层：实现临床、科研、公卫的多场景赋能4.2科研服务模块-数据检索与提取：提供多维度数据检索功能（如“60-70岁、高血压病史、脑白质Fazekas评分≥2分”的患者队列），支持数据导出（脱敏后），为临床研究提供数据支持。01-多中心协作：建立数据共享平台，支持多中心研究数据的标准化整合，加速CSVD发病机制、诊疗技术的创新。03-真实世界研究：基于CSVD-EHR数据开展药物有效性评价（如不同降压药对CSVD进展的影响）、疾病预后因素分析（如认知障碍的危险因素），弥补传统随机对照试验的局限性。024应用层：实现临床、科研、公卫的多场景赋能4.3公共卫生管理模块-疾病监测与预警：统计区域CSVD发病率、患病率、死亡率等指标，绘制疾病地理分布热力图，识别高发区域与高危人群，为防控资源调配提供依据。01-干预效果评估：分析社区筛查、健康宣教等公共卫生干预措施的实施效果（如高危人群早期诊断率提升幅度），优化干预策略。02-政策制定支持：提供CSVD疾病负担数据（如医疗费用、误工损失），为医保政策、慢病管理政策的制定提供循证依据。034应用层：实现临床、科研、公卫的多场景赋能4.4患者管理模块No.3-患者端服务：患者可通过APP查看个人健康档案（简化版）、随访计划、检查结果；接收用药提醒、康复训练指导（如视频教程）、健康宣教知识（如CSVD饮食建议）。-医患沟通平台：支持在线咨询、随访预约、症状反馈，实现“线上+线下”结合的连续性管理。-自我管理工具：提供认知训练小游戏、血压/血糖记录工具、症状日记模板，帮助患者主动参与疾病管理。No.2No.106脑小血管病电子健康档案的实施路径与关键策略1实施路径：分阶段推进建设与落地CSVD-EHR建设是一项系统工程，需遵循“顶层设计—试点验证—推广优化—全面应用”的路径，分阶段实施：1实施路径：分阶段推进建设与落地1.1第一阶段：顶层设计与标准制定（6-12个月）21-成立专项工作组：由卫生健康行政部门牵头，联合神经内科、信息科、公共卫生、标准化等领域专家，制定CSVD-EHR建设规划与实施方案。-技术架构选型：根据区域医疗信息化现状，选择云平台部署模式（公有云、私有云或混合云），确定核心技术栈（如FHIR标准、AI框架）。-制定地方标准：结合国家现有标准，制定区域CSVD数据元、术语、交换的地方标准，确保数据规范统一。31实施路径：分阶段推进建设与落地1.2第二阶段：试点建设与功能验证（12-18个月）1-选择试点单位：选取2-3家信息化基础较好的三甲医院及对应的社区卫生服务中心作为试点，覆盖“医院-社区”协同管理场景。2-系统开发与对接：开发CSVD-EHR核心功能模块（临床决策支持、科研服务、患者管理），完成与试点单位EMR、HIS等系统的对接。3-数据采集与测试：采集试点单位CSVD患者数据（至少500例），测试数据采集、存储、分析、共享全流程功能，优化系统性能与用户体验。1实施路径：分阶段推进建设与落地1.3第三阶段：推广优化与区域协同（18-24个月）-经验总结与迭代：总结试点经验，优化系统功能（如简化数据录入流程、提升AI判读准确率），形成可复制、可推广的建设模式。-区域推广：在试点基础上，逐步向区域内其他医院、社区卫生服务中心推广CSVD-EHR系统，实现数据互联互通。-人员培训：开展针对医生、护士、信息科人员、社区工作者的培训，重点培训数据标准、系统操作、隐私保护等内容，确保规范使用。1实施路径：分阶段推进建设与落地1.4第四阶段：全面应用与持续改进（长期）STEP1STEP2STEP3-全人群覆盖：实现区域内CSVD高危人群与患者的EHR全覆盖，构建“筛查-诊断-治疗-随访-康复”的全流程管理闭环。-功能持续优化：根据临床需求与技术发展，定期升级系统功能（如引入新的AI模型、拓展数据采集维度），保持系统先进性。-效果评估：建立CSVD-EHR应用效果评估指标体系（如早期诊断率提升、随访完成率提高、科研产出增加），定期评估并持续改进。2关键策略：保障建设成效的核心举措2.1政策支持与多部门协同-纳入区域卫生规划：将CSVD-EHR建设纳入区域卫生健康信息化规划，明确建设目标、责任主体与时间节点，争取财政经费支持。-建立跨部门协作机制：卫生健康行政部门、医保部门、疾控中心、医疗机构建立定期沟通机制，解决数据共享、政策衔接等问题（如医保数据与EHR数据的对接）。2关键策略：保障建设成效的核心举措2.2技术创新与人才培养并重-加强产学研合作：与高校、科研机构、科技企业合作，共同攻关CSVD-EHR关键技术（如AI影像分析、多中心数据融合），推动科研成果转化。-培养复合型人才：开展“临床+信息+公共卫生”复合型人才培养，既懂CSVD临床知识，又掌握信息技术与数据管理能力，为系统建设与运维提供人才支撑。2关键策略：保障建设成效的核心举措2.3以患者为中心提升用户体验-简化操作流程：针对医生设计“一键式”数据录入模板，减少重复劳动；针对患者开发界面友好的移动端APP，降低使用门槛。-保障患者权益：明确患者对自身健康数据的知情权、同意权与查询权，允许患者自主选择数据共享范围，增强患者信任感。2关键策略：保障建设成效的核心举措2.4强化数据安全与伦理监管-完善法律法规：遵循《网络安全法》《数据安全法》《个人信息保护法》等法律法规，制定CSVD数据安全管理制度与应急预案。-建立伦理审查机制：涉及患者数据的研究需通过伦理委员会审查，确保数据采集、使用、共享过程的合规性与伦理性。07脑小血管病电子健康档案的价值体现与未来展望1价值体现：多维度赋能健康中国建设CSVD-EHR的建设与应用，将为临床、科研、公共卫生及患者带来显著价值：1价值体现：多维度赋能健康中国建设1.1临床价值：提升诊疗效率与精准度010203-早期诊断率提升：通过高危人群筛查与AI辅助影像判读，可将CSVD早期诊断率从当前的20%提升至50%以上，实现“早发现、早干预”。-个体化治疗优化：基于风险预测模型与多维度数据分析，为患者制定“一人一策”的诊疗方案，降低卒中风险、延缓认知衰退。-医疗资源节约：减少重复检查（如跨医院影像调阅），缩短平均住院日，降低患者医疗负担；通过远程随访与管理，减轻医院门诊压力。1价值体现：多维度赋能健康中国建设1.2科研价值：加速医学创新与成果转化-高质量数据积累：构建大规模、标准化的CSVD数据库，支持疾病机制、诊疗技术的高质量研究，推动发表高水平学术论文（如NEJM、Lancet子刊）。01-新药研发助力：为CSVD相关药物临床试验提供真实世界数据，缩短研发周期，降低研发成本（如通过EHR筛选符合入组标准的受试者）。02-诊疗指南更新：基于EHR数据验证现有指南的适用性，提出针对中国人群的CSVD诊疗建议，推动指南本土化。031价值体现：多维度赋能健康中国建设1.3公共卫生价值：优化疾病防控策略-疾病负担精准评估：掌握CSVD的流行病学特征（如不同地区、不同人群的患病率差异），为防控资源精准投放提供依据。-干预措施效果提升：通过监测社区筛查、健康宣教的实施效果，优化干预策略，提高高危人群管理率（如从30%提升至60%）。-医保政策支持：提供CSVD疾病经济负担数据（如年均治疗费用、并发症医疗支出），为医保目录调整、支付方式改革提供参考。1价值体现：多维度赋能健康中国建设1.4患者价值：改善生活质量与预后010203-主动健康管理：患者通过移动端APP实现自我监测与康复，提高治疗依从性（如用药依从性从50%提升至80%）。-就医体验优化：减少重复检查，实现“一次建档、多方复用”，缩短就医时间；医患沟通平台增强医患互动，提高患者满意度。-预后改善：通过早期干预与动态管理，降低卒中发生率（如从15%降至8%），延缓认知障碍进展，提高患者生活质量。2未来展望：迈向智能化、个性化、协同化的新阶段随着人工智能、物联网、5G等技术的发展，CSVD-EHR将向“智能化、个性化、协同化”方向深度演进：2未来展望：迈向智能化、个性化、协同化的新阶段2.1智能化：AI驱动的全流程管理-智能筛查与诊断：结合基因组学、蛋白质组学数据，构建多模态AI模型（影像+基因+临床），实现CSVD的超早期预测（如在无症状阶段识别高危人群）；AI自动生成影像诊断报告，准确率超过90%。-智能随访与干预：基于自然语言处理与语音识别技术，通过电话、智能音箱等设备进行智能随访，自动识别患者症状变化并预警；AI推荐个性化康复方案（如基于患者认知缺陷类型的认知训练游戏）。2未来展望：迈向