人工智能辅助的甲状腺癌围手术期营养护理方案研究

人工智能辅助的甲状腺癌围手术期营养护理方案研究

张晶 庄绪娟（通讯作者）

（新疆医科大学附属中医医院普外二科 新疆乌鲁木齐 830000）

【摘要】目的 探讨人工智能（AI）辅助的营养护理方案在甲状腺癌患者围手术期的应用效果。方法 选取在我院接受手术治疗的甲状腺癌患者120例，随机分为对照组和观察组，每组60例。对照组采用常规营养护理，观察组采用AI辅助的营养护理方案。比较两组患者手术前后的营养指标[血清白蛋白（ALB）、前白蛋白（PA）、转铁蛋白（TF）]、免疫功能指标（CD3⁺、CD4⁺、CD8⁺、CD4⁺/CD8⁺）、术后恢复指标（首次排气时间、首次下床活动时间、住院时间）、并发症发生率以及生活质量评分（SF - 36）。结果 观察组术后的ALB、PA、TF水平均高于对照组（P < 0.05）；观察组术后的CD3⁺、CD4⁺、CD4⁺/CD8⁺水平高于对照组，CD8⁺水平低于对照组（P < 0.05）；观察组的首次排气时间、首次下床活动时间、住院时间均短于对照组（P < 0.05）；观察组的并发症发生率低于对照组（P < 0.05）；观察组术后的SF - 36评分高于对照组（P < 0.05）。结论 AI辅助的营养护理方案能有效改善甲状腺癌患者围手术期的营养状况和免疫功能，促进术后恢复，减少并发症，提高生活质量，具有较高的临床应用价值。

【关键词】人工智能；甲状腺癌；围手术期；营养护理

甲状腺癌是头颈部常见的恶性肿瘤之一，手术是其主要的治疗方法。然而，手术创伤、应激反应以及术后一段时间内的饮食限制等因素，容易导致患者出现营养摄入不足、营养代谢紊乱等问题，进而影响患者的术后恢复和预后[1]。因此，在甲状腺癌患者的围手术期实施科学合理的营养护理至关重要。 随着人工智能技术的快速发展，其在医疗领域的应用日益广泛。人工智能可以通过对大量数据的分析和处理，为患者提供个性化的营养护理方案，提高营养护理的精准性和有效性[2]。然而，目前关于人工智能辅助的营养护理方案在甲状腺癌围手术期的应用研究尚少。因此，本研究旨在探讨人工智能辅助的营养护理方案在甲状腺癌患者围手术期的应用效果，为提高甲状腺癌患者的围手术期护理质量提供参考依据。

1、资料与方法

1.1一般资料

选取2020年1月至2022年1月在我院接受手术治疗的甲状腺癌患者120例，采用随机数字表法1：1分为对照组和观察组，每组60例。纳入标准：（1）经病理确诊为甲状腺癌；（2）拟行甲状腺癌手术治疗；（3）年龄18-65岁；（4）意识清楚，沟通能力正常；（5）知情同意并愿意配合本研究。排除标准：（1）合并其他恶性肿瘤；（2）合并严重心、肝、肾等脏器功能障碍；（3）合并糖尿病、甲状腺功能亢进等影响营养代谢的疾病；（4）术前存在营养不良（血清白蛋白< 30g/L）；（5）术后出现严重并发症需要转入重症监护病房治疗。两组患者的一般资料比较，差异无统计学意义（P>0.05），具有可比性。

1.2方法

1.2.1对照组：采用常规营养护理，包括术前营养评估、饮食指导（术前12h禁食、6h禁饮，术后肛门排气后开始进食清流食，逐渐过渡到半流食、普食）、营养健康教育等。

1.2.2观察组：采用人工智能辅助的营养护理方案，具体如下：

（1）建立营养护理数据库：收集患者的基本信息（年龄、性别、身高、体重、疾病诊断、手术方式等）、实验室检查结果（血常规、肝肾功能、血糖、血脂、血清白蛋白、前白蛋白、转铁蛋白等）、饮食摄入情况（通过饮食记录或膳食调查了解患者的日常饮食摄入种类和数量）、营养风险筛查结果（采用营养风险筛查 2002 进行评估）等数据，建立营养护理数据库。

（2）人工智能算法模型构建：采用基于深度学习的神经网络算法，构建营养护理方案预测模型。将营养护理数据库中的数据作为训练集，对模型进行训练和优化，使其能够根据患者的个体特征和营养状况，预测出个性化的营养护理方案。

（3）营养护理方案实施：①术前：根据人工智能模型预测结果，为患者制定个性化的术前营养补充方案，如口服营养补充剂（ONS）、肠内营养制剂等，以提高患者的营养储备。同时，对患者进行个性化的饮食指导，如调整饮食结构、增加蛋白质和热量的摄入等。②术后：术后早期（24 - 48h 内），根据患者的胃肠道功能恢复情况，通过鼻饲或口服的方式给予肠内营养制剂。随着患者胃肠道功能的逐渐恢复，按照人工智能模型预测的营养需求，调整饮食方案，增加食物的种类和摄入量，保证患者摄入足够的营养。同时，对患者进行营养健康教育，提高患者的营养意识和依从性。

1.3观察指标

1.3.1营养指标：分别于术前和术后第7天，采集患者空腹静脉血，检测血清白蛋白（ALB）、前白蛋白（PA）、转铁蛋白（TF）水平。

1.3.2免疫功能指标：分别于术前和术后第7天，采集患者外周血，采用流式细胞仪检测T淋巴细胞亚群（CD3⁺、CD4⁺、CD8⁺）水平，并计算CD4⁺/CD8⁺比值。

1.3.3术后恢复指标：记录患者的首次排气时间、首次下床活动时间、住院时间。

1.3.4并发症发生率：观察并记录患者术后出现的并发症，如切口感染、肺部感染、低蛋白血症、营养不良等的发生情况。

1.3.5生活质量评分：分别于术前和术后第3个月，采用健康调查简表（SF-36）对患者的生活质量进行评价，包括生理功能、生理职能、躯体疼痛、总体健康、活力、社会功能、情感职能、精神健康8个维度，每个维度满分100分，得分越高表示生活质量越好。

1.4统计学方法

采用SPSS 22.0 统计学软件进行数据分析。计量资料以（`x` ± `s`）表示，组间比较采用t检验；计数资料以率（%）表示，组间比较采用`χ²`检验。P < 0.05为差异有统计学意义。

2、结果

2.1两组患者手术前后营养指标比较

术前，两组患者的ALB、PA、TF水平比较，差异无统计学意义（P > 0.05）；术后第7天，观察组的ALB、PA、TF水平均高于对照组，差异有统计学意义（P < 0.05）。具体见表1。

表1 两组患者手术前后营养指标比较（`x` ± `s`，g/L）

注：与同组术前比较，*P < 0.05；与对照组术后第7天比较，#P < 0.05 2.2两组患者手术前后免疫功能指标比较

术前，两组患者的CD3⁺、CD4⁺、CD8⁺、CD4⁺/CD8⁺水平比较，差异无统计学意义（P > 0.05）；术后第7天，观察组的CD3⁺、CD4⁺、CD4⁺/CD8⁺水平高于对照组，CD8⁺水平低于对照组，差异有统计学意义（P < 0.05）。具体见表2。

表2 两组患者手术前后免疫功能指标比较（`x` ± `s`）

注：与同组术前比较，*P < 0.05；与对照组术后第7天比较，#P < 0.05

2.3两组患者术后恢复指标比较

观察组的首次排气时间、首次下床活动时间、住院时间均短于对照组，差异有统计学意义（P < 0.05）。具体见表3。

表3 两组患者术后恢复指标比较（`x` ± `s`，d）

2.4两组患者并发症发生率比较

观察组的并发症发生率低于对照组，差异有统计学意义（P<0.05）。具体见表4。

表4 两组患者并发症发生率比较（例，%）

2.5两组患者手术前后生活质量评分比较

术前，两组患者的SF-36各维度评分比较，差异无统计学意义（P>0.05）；术后第3个月，观察组的SF - 36各维度评分均高于对照组，差异有统计学意义（P < 0.05）。具体见表5。

表5 两组患者手术前后生活质量评分比较（`x` ± `s`，分）

3、讨论

近年来，随着人工智能技术的迅猛发展，其在医疗护理领域，尤其是营养护理方面的应用研究不断推进。在营养护理领域，人工智能主要通过深度学习算法和大数据分析，实现对患者营养状况的精准评估和个性化营养护理方案的制定[3]。一些研究利用人工智能模型分析患者的临床数据、饮食习惯、代谢指标等，预测患者的营养需求，并据此提供个性化的营养建议和干预措施[4]。还有研究将人工智能与可穿戴设备、物联网技术相结合，实时监测患者的饮食摄入、身体活动和生理指标变化，动态调整营养护理计划[5]。这些研究表明，人工智能辅助的营养护理具有提高营养评估准确性、优化营养干预效果、提升护理工作效率等潜在优势。

本研究将人工智能辅助的营养护理方案应用于甲状腺癌围手术期患者，结果显示出诸多积极成效。从营养指标来看，术后观察组的血清白蛋白（ALB）、前白蛋白（PA）、转铁蛋白（TF）水平均显著优于对照组。这提示人工智能辅助的营养护理能够更好地满足患者围手术期的营养需求，促进蛋白合成代谢。与传统营养护理研究[6]相比，本研究中的人工智能方案基于大量数据和算法模型，能更精准地预测患者的营养变化趋势并及时调整护理策略，而传统方法多依赖护理人员的经验判断，可能存在一定的主观性和滞后性。在免疫功能指标方面，术后观察组的CD3⁺、CD4⁺、CD4⁺/CD8⁺水平高于对照组，CD8⁺水平低于对照组，表明人工智能辅助的营养护理对患者免疫功能有更好的改善作用。相关研究[7]虽也关注了营养护理对免疫功能的影响，但多集中于单一营养成分或固定营养方案的干预效果，未能实现像本研究中人工智能方案的个性化动态调整，因此在免疫功能改善程度上相对有限。在术后恢复指标方面，观察组的首次排气时间、首次下床活动时间、住院时间均短于对照组，这意味着人工智能辅助营养护理有助于加速患者术后康复。对比其他关于加速康复外科（ERAS）理念下的营养护理研究[8]，本研究的人工智能方案在整合患者个体信息、实时优化营养方案上更具优势，能够更好地贴合患者围手术期的快速康复需求。在并发症发生率方面，观察组低于对照组，说明人工智能辅助营养护理可有效降低术后并发症风险。以往研究[9]多关注某一特定并发症与营养护理的关系，本研究则通过人工智能全面综合考量患者情况，制定系统性营养护理方案，从而更全面地预防并发症的发生。生活质量评分方面，术后观察组各维度评分高于对照组，反映出人工智能辅助营养护理对患者生活质量的提升作用。与常规营养护理研究相比，人工智能方案能够更精准地满足患者营养需求，从而更好地支持患者身体和心理的全面恢复，提高生活质量。  

综上所述，本研究首次将人工智能辅助的营养护理方案应用于甲状腺癌围手术期患者，验证了其在改善营养状况、免疫功能、术后恢复、降低并发症发生率和提高生活质量方面的有效性和优越性。研究结果为甲状腺癌围手术期营养护理提供了新的方法和思路，为人工智能技术在临床护理领域的进一步应用提供了实证依据。此外，本研究也为未来开展多中心、大样本的深入研究奠定了基础，有望推动营养护理模式的创新和发展，使患者能够享受到更加精准、高效、个性化的护理服务，进而改善患者预后，提高医疗护理质量和患者满意度。未来需要进一步拓展和深化相关研究，以充分发挥人工智能在营养护理领域的应用价值。

4、参考文献

[1] 王新颖, 黎介寿. 临床营养支持中蛋白质能量营养不良的判断[J]. 肠外与肠内营养, 2019, 26(01): 1-6.
[2] 吴国豪. 重视外科病人营养支持的基础治疗[J]. 中国实用外科杂志, 2018, 38(3): 257 - 260.
[3] 胡延秋, 程云, 王银云, 等. 成人住院患者营养评估工具的研究进展[J]. 中华护理杂志, 2017, 52(7): 869 - 873.
[4] 江华, 李桂华, 李晓霞, 等. 营养风险筛查和个体化营养支持对胃癌术后患者营养状况及临床结局的影响[J]. 中华胃肠外科杂志, 2018, 21(2): 172 - 177.
[5] 陈禹, 李晓雯, 林兵. 营养干预对肿瘤患者生活质量影响的研究进展[J]. 肿瘤代谢与营养电子杂志, 2017, 4(4): 468 - 472.
[6] 许静涌, 杨剑, 康维明, 等. 营养风险筛查与营养评估工具在住院患者中的应用[J]. 中华临床营养杂志, 2016, 24(3): 136 - 140.
[7] 谢海雁, 于康, 陈伟. 外科住院患者营养风险筛查及营养支持应用状况[J]. 中国医学科学院学报, 2015, 37(6): 710 - 714.

[8]王迪,吉晖晖.围手术期系统护理干预在甲状腺癌患者中的应用效果[J].临床研究,2023,31(10):183-186.

[9]郭玉贞.腔镜下甲状腺癌根治术的围手术期护理干预措施及实施效果分析[J].中国医学文摘（耳鼻咽喉科学）,2023,38(04):195-197.