一、基本情况

　　随着人口老龄化程度不断加深，科技赋能正成为推动兵团养老服务高质量发展的重要引擎。兵团各师市、团场嵌入式分布在新疆各地州县市，医疗资源相对分散，养老管理体系信息化程度不高，缺乏老年人常见疾病风险预测系统，机器学习、大数据分析等人工智能技术为实现养老服务高质量、精准化发展提供了可行路径。为此，兵团实施“基于数据驱动的老年照护体系研究与应用示范”项目，以大数据和人工智能技术为核心，着力构建大规模多元医养数据采集、处理、融合及可视化的智慧医养大数据服务平台，集成疾病预测、辅助诊断、智能决策、慢性病随访和健康教育五大功能，实现对老年人健康状况的持续监测、精准评估和智能干预，推动养老服务从“被动应对”向“主动管理”、从“经验判断”向“数据决策”转型，探索形成符合兵团实际的智慧养老新路径。

　　二、主要做法

　　（一）夯实数据基石，构建老年健康数据库

　　打破信息孤岛是实现精准照护的第一步，针对老年健康信息分散、难以共享的问题，智慧医养大数据服务平台系统性整合基层公共卫生体检数据、医疗机构电子病历等多元数据，通过筛选、标准化与结构化处理，建成老年健康专题数据库。截至目前，该平台已汇聚各类医养数据超169万条，实现健康信息可视化管理，为精准识别老年服务对象、科学配置资源奠定基础。

兵团智慧医养大数据服务平台架构图

　　（二）构建知识图谱，辅助基层诊疗与决策

　　医学知识专业性强、更新快，面对基层医务人员对老年疾病认知不统一、知识更新滞后等问题，平台研发了老年常见病医学知识图谱，融合了临床指南、医学文献和专家经验，形成了涵盖500余个医学概念节点（如疾病、症状、药品、检查项目等）和800多种语义关系（如并发症、禁忌症、治疗方法等）知识网络。支持自然语言查询与图形化展示，帮助基层医生快速获取疾病关联信息，提升基层诊断规范性与效率。

　　（三）研发预测模型，推动慢性病主动干预

　　从治疗转向预防是降低照护成本、提升老年人生活质量的关键，平台依托机器学习技术，利用历史健康体检数据构建糖尿病、高血压等慢性病风险预测模型，其中糖尿病预测模型AUC值达0.88，高血压模型AUC值达0.96。通过运用慢性病风险预测模型，对尚无明显症状但具备高危因素的老年人进行早期筛查和风险分级，实现高危人群精准识别，引导医疗卫生资源优先向高风险人群倾斜，实现从“治已病”到“治未病”的转变。

项目成员下社区开展健康体检及影响因素问卷收集

　　（四）建立支持系统，提升健康管理连续性

　　平台将健康评估、知识图谱与个性化健康管理建议相结合，为老年人提供涵盖生活方式、用药提醒、复查安排等内容的健康管理方案。相关方案通过随访与健康教育模块推送至基层医生与老年人，形成“评估—干预—随访”闭环，辅助基层医生制定诊疗计划，提升基层健康管理的系统性与连续性。

兵团智慧医养大数据服务平台界面

　　三、经验效果

　　（一）数据资源实现整合共享，奠定精准服务基础

　　平台累计接入体检数据139.7万条、病案1.6万条、住院记录28万余条，初步建成老年健康专题数据库。通过多源数据的标准化接入与可视化展示，有效打破信息孤岛，初步实现健康信息互联互通，为制定区域老年健康政策与服务规划提供数据支撑。

　　（二）基层诊疗能力有效提升，健康管理更加科学

　　平台开发的医疗辅助决策智能体为弥补基层医务人员数量不足与服务质量不高提供解决方案。慢性病预测模型显著提升了老年常见慢性病（如高血压、糖尿病等）预测准确率和风险识别效率，实现了高危人群早期识别，推动服务从被动医疗向主动健康管理转型，有效缓解了基层医养资源不足、服务不均衡等问题，提升了老年群体健康管理的科学性。

　　（三）技术成果落地服务实践，形成智慧养老新范式

　　平台在技术层面探索建立知识图谱与预测模型相结合的应用方式，形成了具有自主知识产权的技术积累。知识图谱与预测模型的结合，推动形成“数据驱动照护、AI辅助决策”模式，初步构建起“预测—诊断—决策—随访”健康全流程智慧服务体系，为兵团应对深度老龄化提供了技术支撑与实践样本。

来源：社会司