营养评估与干预系统：从人工判断到智能协同的跨越
下午三点，某三甲医院营养科营养师小陈收到系统提醒：ICU病区3床患者王某某营养风险筛查阳性，NRS-2002评分5分，属于高风险患者，建议72小时内完成全面营养评估。
小陈点开患者页面，系统已自动从HIS调取患者基本信息：男性，68岁，因肺部感染入住ICU，机械通气状态，既往有糖尿病病史。系统同时展示患者的检验指标趋势图：白蛋白28g/L，前白蛋白120mg/L，血红蛋白95g/L，均处于下降通道。
这是系统给出的”营养画像”——不是冰冷的数字罗列，而是经过智能分析后呈现的患者营养状态全貌。
“以前评估一个患者，我要翻遍HIS、查询检验系统、询问护士、查看病程记录，光收集数据就要半小时。”小陈说，”现在系统把数据整合好了，还给出了初步的评估建议，我只需要核实和确认，工作效率至少提升了一倍。”
这样的场景，正在越来越多的医院营养科上演。
据中国医院协会医疗质量管理专业委员会2024年发布的调研数据，国内三甲医院中已部署营养评估与干预系统的比例达到58%，但真正实现”数据自动采集-评估智能辅助-方案智能推荐-效果自动追踪”全流程智能化的比例不足12%[1]。
换言之，大多数医院的营养评估与干预系统，还停留在”电子化”而非”智能化”阶段。
本文从评估智能化、干预智能化、系统集成智能化三个维度，探讨营养评估与干预系统的智能化发展方向。
一、营养评估的智能化：从数据采集到智能画像
1.1 传统评估的三大痛点
营养评估是营养诊疗的基石。据《中国成人患者肠外肠内营养临床应用指南（2021年版）》，营养评估应包括体重变化、饮食摄入变化、代谢状态、疾病状态等多个维度[2]。然而，传统的营养评估模式存在三大痛点。
痛点一：数据收集耗时费力。 营养评估所需的数据分散在HIS、LIS、电子病历、护理系统等多个业务系统。营养师完成一次全面评估，需要登录多个系统、查询多份记录、手工汇总数据。据北京某三甲医院营养科的实测，营养师完成一例重症患者的营养评估，数据收集环节平均耗时42分钟，占整个评估流程的65%以上。
痛点二：评估工具选择依赖经验。 成人住院患者用NRS-2002，老年患者用MNA-SF，肿瘤患者用PG-SGA，危重症患者用NUTRIC评分……不同人群对应的评估工具不同，评估工具选择是否恰当直接影响评估结论的准确性。但现实中，评估工具的选择主要依赖营养师的经验判断，缺乏系统性的智能推荐机制。
痛点三：评估结论主观性较强。 营养评估不仅仅是数据填写，更需要对患者营养状态做出专业判断。不同营养师对同一患者的评估结论可能存在差异，评估结论的客观性和可比性难以保证。
这三大痛点的叠加，导致营养评估成为临床营养诊疗中效率最低、标准化程度最差的环节。
1.2 智能评估的第一步：多源数据自动融合
智能评估的基础，是解决”数据在哪里”的问题。
营养评估所需的数据分布在多个业务系统中：患者基本信息来自HIS，体征测量数据来自护理系统，检验指标来自LIS，膳食调查数据来自营养评估系统本身，病程记录来自电子病历。传统模式下，这些数据需要营养师手工查询和汇总。
多源数据自动融合的核心，是建立系统间的数据接口，让营养评估系统能够按需调取各业务系统的相关数据。
据国家卫生健康委统计信息中心2023年发布的《医院数据互联互通建设现状调研》，国内三甲医院中，临床营养系统能够实现与HIS数据对接的比例约为67%，能够实现与LIS检验结果自动获取的比例约为54%，能够实现与电子病历病程记录对接的比例仅为31%[3]。
数据接口的对接只是第一步。更重要的是数据的”语义化”处理——系统不仅要能获取数据，还要理解数据含义、识别数据变化趋势、将数据转化为营养师可直接使用的评估信息。
以白蛋白指标为例。系统获取患者白蛋白检验值28g/L后，不是简单呈现”白蛋白=28g/L”，而是进行以下智能处理：
自动标注异常：白蛋白低于35g/L提示存在低蛋白血症，与患者当前的重症感染状态关联，提示营养风险。
自动生成趋势图：呈现患者近7天的白蛋白变化曲线，直观显示”下降中”趋势。
自动关联风险：结合患者机械通气、应激状态、糖尿病史等因素，计算营养风险的综合评分。
这种”数据-信息-知识”的转化，是智能评估区别于电子化的核心特征。
1.3 评估工具的智能推荐
不同患者人群适用的营养评估工具不同。错误的工具选择，可能导致评估结论偏离患者实际营养状态。
常见的营养评估工具包括：
NRS-2002，适用于成人住院患者，是目前国内最广泛使用的营养风险筛查工具。MNA-SF（微型营养评定简表），适用于老年患者，操作简便，适合快速评估。PG-SGA（患者主观整体营养状况评定量表），适用于肿瘤患者和慢性病患者，是目前应用最广泛的肿瘤患者营养评估工具。NUTRIC评分，适用于危重症患者，综合考虑年龄、疾病严重程度、合并症等因素[4]。
据中华医学会肠外肠内营养学分会2023年调查，国内三甲医院中，仅有35%的营养科建立了根据患者特征自动推荐评估工具的机制，其余仍依赖营养师手工选择[5]。
智能评估系统应具备评估工具智能推荐功能：
当系统获取患者基本信息（年龄、诊断、入院科室等）后，自动识别患者所属人群类型，并推荐适合该人群的评估工具。如果患者同时符合多个人群特征（如老年肿瘤患者），系统应标注所有适用的评估工具，并说明各工具的侧重点，供营养师选择。
工具推荐的依据应透明可查。系统应能够显示推荐该工具的理由（如”该患者年龄≥70岁，符合MNA-SF适用人群标准”），而非黑箱式的强制推荐。
1.4 评估结论的智能辅助
评估工具选择后，营养师需要对评估数据进行综合分析，得出评估结论。智能评估系统可以在这一环节提供智能辅助。
以PG-SGA评分为例。据中国营养学会肿瘤营养分会发布的《中国肿瘤患者营养评估与应用专家共识》，PG-SGA评分包括患者自评部分（体重变化、摄食情况、症状、活动和身体功能）和医务人员评估部分（疾病与营养需求关系、代谢需求、体格检查）[6]。
智能辅助的核心价值，在于将评估逻辑内置于系统：
自动计算评分。营养师录入各项评估数据后，系统自动计算PG-SGA各维度得分和总分，并根据评分标准自动生成营养状态分级（0-1分：营养良好；2-3分：可疑或轻度营养不良；4-8分：中度营养不良；≥9分：重度营养不良）。
自动关联方案建议。根据PG-SGA评分分级，系统自动关联对应的营养干预方案建议。例如，PG-SGA评分≥9分的重度营养不良患者，系统建议启动全面的营养支持，包括肠内营养和/或肠外营养，并标注”属于高优先级干预对象”。
自动识别评估矛盾。当营养师录入的评估数据存在逻辑矛盾时（如白蛋白极低但体重持续上升），系统自动提示营养师核实数据或关注可能的特殊情况（如水肿、腹水等）。
智能辅助的目标不是替代营养师的专业判断，而是将营养师从重复性的计算和判断中解放出来，让他们把精力投入到更需要专业能力的环节——解读评估数据的临床意义、分析患者特殊情况、制定个体化方案。
1.5 从评估数据到营养画像
智能评估的更高境界，是为每位患者构建动态的”营养画像”。
传统评估模式下，评估数据以字段形式存储，营养师每次查看患者营养状态，需要逐一查看各项指标数值。营养画像则将这些数据整合为直观的全景视图。
一个完整的营养画像应包括：
基本信息模块：姓名、年龄、诊断、入院日期、营养风险等级等。
营养状态模块：以图表形式呈现体重、BMI、白蛋白、前白蛋白、血红蛋白等关键指标的变化趋势，直观显示营养状态的演变轨迹。
评估历史模块：记录患者历次营养评估的时间、评分、分级变化，呈现营养状态的动态变化。
风险预警模块：自动识别并突出显示异常指标和高风险因素，如”低蛋白血症”、”体重持续下降”、”经口摄入不足”等。
干预轨迹模块：记录患者接受的营养干预措施、方案调整、效果评价，形成完整的干预闭环记录。
营养画像的价值，不仅在于让营养师快速了解患者营养状态全貌，更在于积累患者的纵向营养数据。这些数据对于分析干预效果、优化方案、支撑科研具有重要价值。
二、营养干预的智能化：从经验决策到数据驱动
2.1 干预决策的传统困境
如果说营养评估是”诊断”，那么营养干预就是”治疗”。评估的结论需要转化为具体的干预方案，而干预方案的制定和执行，是临床营养诊疗中最能体现专业价值的环节。
然而，传统干预模式面临三大困境。
困境一：方案制定依赖个人经验。 营养干预方案的核心是确定能量目标、蛋白质目标、配方选择、喂养途径等参数。这些参数的确定，既需要遵循临床指南的一般性推荐，又需要结合患者的具体情况进行调整。不同营养师对同一患者的方案可能存在较大差异，方案质量因人而异。
困境二：方案执行缺乏闭环反馈。 营养师开出处方后，处方的执行状态处于”黑箱”状态——营养师不知道患者今天吃了多少、吃得怎么样、有没有不耐受。这种信息不对称导致营养师难以及时调整方案，干预效果大打折扣。
困境三：效果评价主观模糊。 营养干预的效果如何评价？是看体重有没有上升？看白蛋白有没有恢复？看患者主观感觉有没有改善？不同营养师可能有不同的评价标准，评价结论的客观性和可比性难以保证。
2.2 智能干预的核心：方案推荐与实时反馈
智能干预系统的核心功能，是实现”方案智能推荐”和”执行实时反馈”。
方案智能推荐的价值，在于将临床指南的通用性推荐转化为针对具体患者的个体化方案建议。
据《中国成人患者肠外肠内营养临床应用指南（2021年版）》，住院患者的能量目标确定有多种方法：使用预测公式（如Harris-Benedict公式、Mifflin-St Jeor公式）估算、使用标准体重计算（如25-30kcal/kg/d）、使用间接测热法实测[2]。不同方法的适用场景和准确性不同。
智能推荐系统应能够：
自动计算多方法能量目标。系统根据患者的基础数据（体重、身高、年龄、性别）和疾病状态，自动计算预测公式能量需求和标准体重法能量需求；如果医院具备间接测热法条件，系统还应能录入实测值，并标注”实测值优先于估算值”。
推荐最适合的方案。系统根据患者的疾病类型、营养状态、胃肠道功能等因素，从多个备选方案中推荐最适合的一个，并说明推荐理由。
标注方案偏离指南的风险。当营养师制定的方案与指南推荐存在较大偏差时（如能量目标远高于或低于推荐范围），系统应主动预警，提示营养师确认是否存在特殊情况。
执行实时反馈的价值，在于打破处方执行的信息不对称。
以肠内营养为例。处方开具后，处方的实际执行涉及配制、运送、管道管理、滴速调控等多个环节。任何一个环节的问题都可能导致处方无法完整执行。
实时反馈系统应能够：
自动采集执行数据。通过与护理系统、配送系统的对接，获取患者当日肠内营养的实际输入量、滴速、间断次数等数据。
计算执行达标率。系统自动计算实际摄入量与目标量的比值，生成执行达标率指标。
触发异常预警。当执行达标率低于70%或出现不耐受记录时，系统自动向责任营养师推送预警，提醒及时干预。
2.3 从”处方-执行”到”处方-执行-反馈-调整”闭环
传统模式下，营养干预是一个开环过程：营养师开处方，护士执行，执行得好不好营养师不知道，调整方案缺乏依据。
智能干预系统应实现真正的闭环管理：
开环识别：当处方执行数据显示异常（如实际摄入量持续低于目标量的70%），系统自动识别这是一个需要关注的”开环点”。
反馈触发：系统向营养师推送开环预警，附带患者的执行数据详情和历史趋势图。
调整建议：系统根据异常类型，推荐可能的调整方案。例如，如果是因为胃残余量过大导致的喂养中断，系统可能建议更换为更小孔径的管道或添加促胃动力药；如果是因为腹泻不耐受，系统可能建议更换配方或降低滴速。
调整跟踪：营养师调整方案后，系统跟踪调整后的执行数据，验证调整效果。
闭环管理的价值在于：让营养师从”被动等反馈”转变为”主动追踪效果”，让干预方案从”静态文档”转变为”动态调整”。
据中华医学会肠外肠内营养学分会2023年发布的专家共识，闭环管理机制可以将肠内营养目标达标率从55%提升至72%左右[5]。
2.4 干预效果的智能化评价
干预效果如何评价？是营养诊疗闭环的关键一环，也是传统模式的薄弱环节。
智能干预系统应建立客观、可量化的效果评价体系：
客观指标监测：定期追踪患者的体重变化、BMI变化、白蛋白/前白蛋白趋势、血红蛋白变化等客观指标，自动生成趋势图表。
摄入达标率评价：统计患者每日实际摄入量与目标量的比值，计算累计摄入达标天数和达标率。
临床结局关联：将营养干预数据与患者的临床结局（如住院天数、感染发生率、并发症发生率等）进行关联分析，评估营养干预对临床结局的影响。
方案质量评分：根据执行达标率、目标调整次数、异常预警触发频率等数据，计算每次干预的”方案质量评分”，用于质量评价和持续改进。
效果评价的客观化，不仅有助于营养师优化方案，更有助于科室的质量管理和科研产出。
三、系统集成的智能化：从孤岛到生态
3.1 营养数据与HIS/LIS的深度集成
营养评估与干预系统的价值，不仅取决于系统本身的功能完善程度，更取决于系统与医院其他业务系统的集成深度。
当前，国内大多数医院的营养系统与HIS/LIS系统的集成仍停留在”数据查询”层面——营养师在营养系统中手工录入从HIS查到的数据。这种集成方式效率低下，无法发挥数据的实时价值。
真正有价值的集成，是”数据流动”层面的集成：
数据自动获取：营养评估时，系统自动从HIS获取患者基本信息、诊断信息、入院时间；从LIS自动获取检验结果；从护理系统自动获取体征测量数据。营养师从”数据录入者”转变为”数据审核者”。
数据自动回写：营养评估结论、营养治疗方案、方案调整记录等营养数据，自动回写至电子病历，供主管医生查阅。营养诊疗信息从”孤岛”变为”共享资源”。
流程自动触发：当营养风险筛查阳性时，系统自动向营养师推送评估任务；当肠内营养执行数据异常时，系统自动向主管医生推送关注提醒。流程节点自动触发，减少人工传递的延迟。
据国家卫生健康委2023年发布的《医院信息互联互通标准化成熟度测评方案》，临床营养信息系统应遵循FHIR标准实现与其他业务系统的数据互通[7]。这一标准为营养系统的深度集成提供了技术指引。
3.2 与临床路径的智能化对接
临床营养诊疗不是孤立的业务单元，而是患者整体诊疗路径的组成部分。营养干预方案需要与患者的手术计划、化疗方案、康复计划等协同配合。
智能化的营养系统应能实现与临床路径的对接：
手术前营养支持对接：当患者拟行手术治疗时，系统根据手术类型和患者营养状态，自动推荐术前营养支持的方案和时长。据ESPEN指南，重大手术前存在营养不良的患者，应接受7-14天的营养支持[8]。
化疗期间营养管理对接：当患者正在接受化疗时，系统自动识别化疗周期，根据化疗引起的消化道反应（如恶心、呕吐、食欲下降等），动态调整营养方案。
康复期营养过渡对接：当患者从ICU转入普通病房或准备出院时，系统自动评估营养状态，推荐营养方案的过渡方案和出院后营养管理建议。
3.3 质控指标的自动采集与上报
临床营养诊疗质量控制，是医院质量管理的重要组成部分。据国家卫生健康委2022年发布的《临床营养专业医疗质量控制指标》，住院患者营养风险筛查率、营养评估完成率、营养干预实施率等是核心质控指标[9]。
智能化的营养系统应能实现质控指标的自动采集和上报：
系统自动统计全院/各科室的当日营养风险筛查率、评估完成率、干预实施率等指标，生成质控报表。
当指标低于预设阈值时（如筛查率低于90%），系统自动向科主任和质量管理员推送预警。
系统支持与国家质控平台的数据对接，实现指标的自动上报，减少人工统计和报送的工作量。
结语：智能化是手段，专业化是目的
营养评估与干预系统的智能化发展，本质上是将临床营养诊疗的专业知识内嵌于信息系统，让系统成为营养师专业能力的延伸，而非简单的数据记录工具。
智能化评估的价值，不在于替代营养师的数据收集工作，而在于让营养师把时间从”找数据”转向”做判断”；智能化干预的价值，不在于替代营养师的方案决策，而在于让营养师从”被动等反馈”转向”主动追效果”；系统集成的价值，不在于炫耀技术先进，而在于让营养数据真正流动起来，赋能临床决策。
当然，智能化系统的建设不是一蹴而就的。它需要数据的积累、模型的训练、临床的验证。对于已经部署营养管理系统的医院，可以从最迫切的痛点入手，逐步推进智能化改造；对于尚未部署的新建系统，应在规划阶段就为智能化预留空间。
当营养评估与干预系统真正实现智能化，临床营养诊疗将从”经验驱动”转向”数据驱动”，营养师的专业价值将得到更大发挥，患者的营养治疗效果将得到切实提升。
这是临床营养信息化发展的必然方向。
参考文献
[1] 中国医院协会医疗质量管理专业委员会. 临床营养诊疗信息化建设调研报告[R]. 2024.
[2] 中华医学会肠外肠内营养学分会. 中国成人患者肠外肠内营养临床应用指南(2021年版)[J]. 中华胃肠外科杂志, 2021, 24(4): 301-317.
[3] 国家卫生健康委统计信息中心. 医院数据互联互通建设现状调研[R]. 2023.
[4] 中国抗癌协会肿瘤营养专业委员会. 肿瘤患者营养评估与应用专家共识(2022年版)[J]. 肿瘤代谢与营养电子杂志, 2022, 9(6): 693-702.
[5] 中华医学会肠外肠内营养学分会. 临床营养智能决策支持系统专家共识(2023年版)[J]. 中华胃肠外科杂志, 2023, 26(8): 701-708.
[6] 中国营养学会肿瘤营养分会. 中国肿瘤患者营养评估与应用专家共识[J]. 肿瘤代谢与营养杂志, 2021, 8(4): 367-372.
[7] 国家卫生健康委员会. 医院信息互联互通标准化成熟度测评方案[S]. 2023.
[8] Weimann A, Braga M, Carli F, et al. ESPEN guideline on clinical nutrition in surgery[J]. Clinical Nutrition, 2017, 36(3): 623-650.
[9] 国家卫生健康委办公厅. 关于印发临床营养专业医疗质量控制指标（2022年版）的通知[Z]. 国卫办医函〔2022〕161号, 2022.
了解更多临床营养信息化解决方案：www.hospdiet.cn