SpringBoot智能诊后随访系统开发实践

1. 项目概述与核心价值

这个基于SpringBoot的智能诊后随访系统，本质上是一个连接医院与患者的数字化桥梁。我在三甲医院信息科工作时，亲眼目睹了传统纸质随访的低效——医生手写记录易丢失，患者遗忘复诊时间，关键指标数据无法实时追踪。这套系统正是为了解决这些痛点而生。

系统采用B/S架构，前端用Vue+ElementUI实现响应式操作界面，后端基于SpringBoot 2.7.3构建，数据库选用MySQL 8.0作为主存储，Redis 5.0处理高并发随访提醒。特别设计了自动化问卷引擎和异常指标预警模块，当患者上传的血压、血糖等数据超出阈值时，系统会自动触发分级告警机制。

2. 技术架构解析

2.1 分层设计原则

系统严格遵循DDD领域驱动设计，划分四层结构：

• 接口层：RESTful API + WebSocket双协议支持
• 应用层：业务逻辑编排，含随访计划生成器
• 领域层：核心的问卷引擎、预警规则引擎
• 基础设施层：集成HIS系统的HL7协议适配器

2.2 关键技术选型

特别注意：MyBatis-Plus配置需开启逻辑删除插件，否则会导致随访记录误删

3. 核心功能实现

3.1 智能问卷引擎

采用规则引擎Drools 7.59实现动态问卷：

java复制// 糖尿病随访问卷规则示例
rule "Diabetes_FollowUp_Type2"
    when
        $patient : Patient(diabetesType == "II")
    then
        insert(new Questionnaire("T2DM-2023",Arrays.asList("HbA1c","足背动脉搏动")));
end

通过患者病史自动匹配问卷模板，支持语音填写（集成阿里云智能语音SDK）

3.2 多级预警系统

构建三级预警机制：

1. 黄色预警：指标轻微异常 → 短信提醒
2. 橙色预警：指标持续异常 → 自动生成医生待办
3. 红色预警：危急值 → 触发电话呼叫系统

预警规则采用Groovy脚本实现动态加载：

groovy复制if(bloodPressure.systolic >180 || bloodPressure.diastolic >110){
    return EmergencyLevel.RED
}

4. 数据库设计要点

4.1 关键表结构

sql复制CREATE TABLE `follow_up_plan` (
  `id` bigint NOT NULL COMMENT '主键',
  `template_id` varchar(32) COLLATE utf8mb4_bin NOT NULL COMMENT '问卷模板ID',
  `patient_id` varchar(18) COLLATE utf8mb4_bin NOT NULL COMMENT '患者身份证号',
  `trigger_time` datetime NOT NULL COMMENT '触发时间',
  `status` tinyint NOT NULL DEFAULT '0' COMMENT '0待执行 1已完成 2已过期',
  `medical_data` json DEFAULT NULL COMMENT '体征数据JSON'
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_bin;

4.2 性能优化措施

• 医疗数据采用JSON类型字段存储，配合Generated Column建立索引
• 随访记录按患者ID哈希分表，解决单表数据膨胀问题
• 建立时序数据库集群存储历史体征数据

5. 开发环境搭建

5.1 必备工具链

1. JDK：Azul Zulu 17.0.3 (避免Oracle JDK商业授权问题)
2. IDE：IntelliJ IDEA 2022.2+ (需安装Lombok插件)
3. 数据库工具：DBeaver Enterprise (支持达梦/MySQL多引擎)

5.2 关键配置项

yaml复制spring:
  datasource:
    druid:
      filters: stat,wall,slf4j
      validation-query: SELECT 1 FROM DUAL
      test-on-borrow: true
      min-idle: 5
      max-active: 50
      stat-view-servlet:
        enabled: true
        allow: 127.0.0.1

6. 部署实战经验

6.1 容器化部署

Docker Compose编排示例：

dockerfile复制services:
  followup-db:
    image: mysql:8.0.28
    environment:
      MYSQL_ROOT_PASSWORD: ${DB_PASSWORD}
    volumes:
      - ./mysql/conf:/etc/mysql/conf.d
      - ./mysql/data:/var/lib/mysql

  followup-app:
    image: adoptopenjdk:17-jdk-hotspot
    depends_on:
      - followup-db
    ports:
      - "8080:8080"

6.2 踩坑记录

1. 达梦数据库兼容问题：

   • 需重写MyBatis的PageHelper分页插件
   • JDBC URL需添加参数：?compatibleMode=mysql

2. 微信消息模板限制：

   • 随访提醒内容需控制在200字内
   • 图片链接必须使用HTTPS协议

7. 扩展开发建议

1. 集成NLP引擎：使用HanLP处理患者主观描述文本

   java复制List<Term> terms = HanLP.segment("这两天头晕加重");
   

2. 增加BI看板：通过Apache ECharts展示随访完成率等指标
3. 对接物联网设备：解析智能手环的HL7格式数据

这套系统在我们医院上线后，随访率从38%提升至79%，医生工作效率提高近3倍。特别提醒：处理医疗数据必须遵守《网络安全法》要求，所有数据库字段都要加密存储，建议采用国密SM4算法。