陳瀟君，孫炳偉，茍建平

（1.江蘇大學(xué)附屬醫(yī)院，江蘇 鎮(zhèn)江 212001；2.江蘇大學(xué) 計(jì)算機(jī)科學(xué)與通信工程學(xué)院，江蘇 鎮(zhèn)江 212013）

醫(yī)院信息化是社會(huì)信息化和國家信息化的重要組成部分，信息化使醫(yī)院相關(guān)管理實(shí)現(xiàn)由經(jīng)驗(yàn)管理向科學(xué)管理轉(zhuǎn)變[1-2]。深度機(jī)器學(xué)習(xí)是一種建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，它模仿人腦的機(jī)制來解釋數(shù)據(jù)，如在線購物系統(tǒng)、翻譯工具、語音識別系統(tǒng)及圍棋對局系統(tǒng)[3-6]。基于對現(xiàn)存的醫(yī)院管理模式分析，以及對人工智能技術(shù)的探索[7-10]。江蘇大學(xué)附屬醫(yī)院信息科設(shè)計(jì)并測試了深度機(jī)器學(xué)習(xí)系統(tǒng)以輔助醫(yī)院智能化管理。

1 醫(yī)院人工智能相關(guān)管理事件

近幾年，江蘇大學(xué)附屬醫(yī)院在信息化方面投入很多，先后對醫(yī)院信息系統(tǒng)、醫(yī)學(xué)影像存檔與通訊系統(tǒng)及實(shí)驗(yàn)室（檢驗(yàn)科）信息系統(tǒng)等原有醫(yī)院信息系統(tǒng)進(jìn)行了升級工作，陸續(xù)實(shí)施了數(shù)據(jù)清洗系統(tǒng)、信息平臺及數(shù)據(jù)存儲(chǔ)管理系統(tǒng)等大數(shù)據(jù)相關(guān)基礎(chǔ)工作。為發(fā)揮智能信息系統(tǒng)的優(yōu)勢，深入挖掘醫(yī)院數(shù)據(jù)中隱藏的規(guī)則和知識，進(jìn)一步開展智能信息化建設(shè)，醫(yī)院信息科隨后開展了人工智能相關(guān)研究和實(shí)際應(yīng)用工作。

1.1 醫(yī)療質(zhì)量監(jiān)控

現(xiàn)有的醫(yī)療質(zhì)量監(jiān)控一般采用關(guān)鍵詞搜索，最大最小限數(shù)值限制，時(shí)間點(diǎn)限制等最基本的數(shù)據(jù)處理方式，比如醫(yī)院不良事件監(jiān)測系統(tǒng)一般利用一臺監(jiān)控服務(wù)器檢測醫(yī)生使用的電子病歷的病程記錄中是否出現(xiàn)不良、非計(jì)劃、意外及跌倒等人工預(yù)先設(shè)定的關(guān)鍵詞，或者監(jiān)控醫(yī)生在某個(gè)時(shí)間點(diǎn)之內(nèi)開出兩條放置胃管等醫(yī)囑信息就可以判斷該病人可能疑似涉及不良事件，提醒醫(yī)生及時(shí)處理和上報(bào)。有一些醫(yī)院感染系統(tǒng)采用讀取護(hù)理體溫表，抗生素醫(yī)囑信息，放射診斷結(jié)果來簡單的識別疑似醫(yī)院感染患者，提醒醫(yī)生及時(shí)處理和上報(bào)。由于信息平臺中存儲(chǔ)了不良事件上報(bào)患者的所有相關(guān)信息，采用全監(jiān)督的機(jī)器學(xué)習(xí)方式，將相關(guān)歷史文字信息輸入深度機(jī)器學(xué)習(xí)系統(tǒng)進(jìn)行計(jì)算，建立預(yù)測模型。將住院患者實(shí)時(shí)發(fā)生信息傳入預(yù)測模型進(jìn)行計(jì)算，用于預(yù)測該患者的不良事件發(fā)生率。

1.2 醫(yī)院運(yùn)營管理

現(xiàn)有的醫(yī)院運(yùn)營一般采用基本統(tǒng)計(jì)方法對歷史數(shù)據(jù)進(jìn)行簡單的統(tǒng)計(jì)，然后進(jìn)行工作安排。比如門診醫(yī)生排班人數(shù)和時(shí)間一般根據(jù)去年同期實(shí)際門診量進(jìn)行估算，藥房的藥品采購量以及藥房工作人員或者自動(dòng)發(fā)藥機(jī)器的工作周期設(shè)置也是按照歷史數(shù)據(jù)的同期進(jìn)行基本估算。將相關(guān)歷史時(shí)序數(shù)值信息輸入深度機(jī)器學(xué)習(xí)系統(tǒng)進(jìn)行計(jì)算，建立預(yù)測模型。就可以預(yù)測近期門診量，以便安排相關(guān)工作。

1.3 醫(yī)療輔助診斷

美國IBM公司的WATSON醫(yī)生采用深度機(jī)器學(xué)習(xí)方法實(shí)現(xiàn)了通過自動(dòng)讀取患者當(dāng)前電子病歷相關(guān)信息，自動(dòng)得出輔助診斷信息[11]。由于中文醫(yī)學(xué)語言相對較復(fù)雜，現(xiàn)存電子病歷數(shù)據(jù)格式不夠規(guī)范，現(xiàn)有的國內(nèi)醫(yī)院很少實(shí)施醫(yī)療輔助診斷，所以本院采用機(jī)器學(xué)習(xí)方法針對患者檢查圖像中人體部位的自動(dòng)識別做了一些嘗試性的探索。將相關(guān)歷史圖像信息輸入深度機(jī)器學(xué)習(xí)系統(tǒng)進(jìn)行計(jì)算，建立預(yù)測模型，用于檢測該圖片涉及的人體部位。

2 醫(yī)院深度機(jī)器學(xué)習(xí)系統(tǒng)設(shè)計(jì)及應(yīng)用

確定了以上的相關(guān)管理事件之后，本院搭建了虛擬機(jī)硬件平臺，設(shè)計(jì)了深度機(jī)器學(xué)習(xí)系統(tǒng)，采用深度機(jī)器學(xué)習(xí)技術(shù)，在醫(yī)院現(xiàn)存的虛擬機(jī)云平臺上建立了基于美國Google公司開源的TensorFlow深度學(xué)習(xí)服務(wù)器，并且對醫(yī)院現(xiàn)存醫(yī)療電子病歷文字，數(shù)值信息以及圖像大數(shù)據(jù)進(jìn)行深度機(jī)器學(xué)習(xí)，并生成了輔助管理系統(tǒng)模型，該模型可以給醫(yī)療質(zhì)量監(jiān)控，醫(yī)院運(yùn)營管理，醫(yī)療輔助診斷提供決策建議。

2.1 搭建硬件平臺

采用兩套IBM服務(wù)器搭建虛擬機(jī)群，采用IBM云機(jī)箱承載平臺任務(wù)，在虛擬機(jī)上安裝了Linux操作系統(tǒng)，配置了TensorFlow服務(wù)器，完成整個(gè)深度學(xué)習(xí)需要的硬件環(huán)境。見圖1。

2.2 設(shè)計(jì)軟件系統(tǒng)

采用深度機(jī)器學(xué)習(xí)中的長短期記憶神經(jīng)網(wǎng)絡(luò)（long-short memory network，LSTM）方法來處理時(shí)序數(shù)值信息，輔助管理系統(tǒng)模型的建立方法為：①從醫(yī)院信息系統(tǒng)中采集原始數(shù)據(jù)（比如舒張壓、收縮壓、毛細(xì)血管再充盈率、潮氣末二氧化碳、吸入氧分?jǐn)?shù)、格拉斯哥昏迷評分法、血糖、心率、血氧飽和度、體溫及尿量等），輸出數(shù)據(jù)為滿足衛(wèi)生信息交換標(biāo)準(zhǔn)7標(biāo)準(zhǔn)的醫(yī)學(xué)關(guān)鍵詞；②歸一化原始數(shù)據(jù)，將其映射到0～1范圍內(nèi)，并且建立多維向量空間，每一維對應(yīng)某一種原始數(shù)據(jù)；③將數(shù)據(jù)輸入TensorFlow服務(wù)器中的LSTM模塊進(jìn)行機(jī)器學(xué)習(xí)；④生成醫(yī)學(xué)關(guān)鍵詞之間的關(guān)系模型。

圖1 硬件配置圖

2.3 生成管理模型

TensorFlow提供的圖形化展示工具TensorBoard針對不良事件上報(bào)患者的所有相關(guān)信息，采用全監(jiān)督的機(jī)器學(xué)習(xí)方式，建立的3D預(yù)測模型展示圖。3D展示圖采用主成分分析（principal component analysis，PCA）通過正交變換將存在相關(guān)性的變量轉(zhuǎn)換為一組線性不相關(guān)的變量，系統(tǒng)將上節(jié)提到的多維向量空間數(shù)據(jù)降至三維以便分析和圖形顯示。見圖2。

2.4 開展效果評價(jià)

TensorBoard對上文提出的不良事件上報(bào)患者模型中預(yù)測的成功率曲線，藍(lán)色部分是機(jī)器學(xué)習(xí)訓(xùn)練的展示圖，發(fā)現(xiàn)在進(jìn)行35 665次機(jī)器學(xué)習(xí)后取得擬合的峰值，紅色部分是實(shí)際檢測曲線，發(fā)現(xiàn)檢出率約＞90%。見圖3。

圖2 醫(yī)院輔助管理系統(tǒng)模型展示圖

圖3 醫(yī)院輔助管理系統(tǒng)準(zhǔn)確率

3 結(jié)論

本文提出一種基于人工智能的大數(shù)據(jù)分析處理方法，通過虛擬化硬件的投入和TensorFlow深度學(xué)習(xí)軟件的應(yīng)用，設(shè)計(jì)并實(shí)現(xiàn)了深度機(jī)器學(xué)習(xí)系統(tǒng)，可以輔助醫(yī)療質(zhì)量監(jiān)控，醫(yī)院運(yùn)營管理，醫(yī)療輔助診斷，創(chuàng)新推進(jìn)了醫(yī)院智能化管理，取得了較好的應(yīng)用效果，為人工智能在醫(yī)院的應(yīng)用提供了新思路。而另一方面，雖然人工智能可以輔助醫(yī)院管理人員順利完成一些特定任務(wù)，但是要實(shí)現(xiàn)通用的人工智能，仍有很多工作要做，本文采用的技術(shù)方法還不能細(xì)化檢測非計(jì)劃拔管、皮膚損傷等不良事件的具體類型，根據(jù)患者現(xiàn)有信息推送醫(yī)療輔助診斷的工作沒有完全實(shí)現(xiàn)，且對于博大精深的中文醫(yī)學(xué)語言的語義分析，如放射、CT、核磁、PET-CT及彩超等各種類別圖像的融合數(shù)據(jù)挖掘，現(xiàn)有非結(jié)構(gòu)化和半結(jié)構(gòu)化的電子病歷信息的解析理解等重點(diǎn)難點(diǎn)工作，都會(huì)作為下一步需要研究和探索的方向。

[1] 王斌, 杜方冬. 醫(yī)院信息化的相關(guān)理論問題研究[J]. 中國現(xiàn)代醫(yī)學(xué)雜志, 2013, 23(21): 108-112.

[2] 劉小明, 石艷姣, 周瑾容, 等. 臨床信息管理系統(tǒng)的研究[J]. 中國現(xiàn)代醫(yī)學(xué)雜志, 2014, 24(5): 110-112.

[3] VINYALS O, TOSHEV A, BENGIO S, et al. Show and tell a neural image caption generator. proceedings of the 2015 IEEE conference on computer vision and pattern recognition[C]. Boston: Institute of Electrical and Electronics Engineers, 2015: 3156-3164.

[4] GRAVES A, WAYNE G, REYNOLDS M, et al. Hybrid computing using a neural network with dynamic external memory[J]. Nature,2016, 538(7626): 471.

[5] WARZYBOK A, PIEPER S, VERHULST S. Contribution of near- and suprathreshold hearing deficits to speech recognition[J].Journal of the Acoustical Society of America, 2016, 139(4): 1995.

[6] GIBNEY E. Google AI algorithm masters ancient game of Go[J].Nature, 2016, 529(7587): 445-446.

[7] 張新俊, 莫一我, 王彥坤, 等. 三維手術(shù)模擬系統(tǒng)在復(fù)雜性肝臟腫瘤精準(zhǔn)肝切除中的應(yīng)用[J]. 中國現(xiàn)代醫(yī)學(xué)雜志, 2016, 26(4):48-53.

[8] 艾金, 陳智, 胡建中. 醫(yī)院預(yù)約掛號平臺的設(shè)計(jì)與實(shí)現(xiàn)[J]. 中國現(xiàn)代醫(yī)學(xué)雜志, 2015, 25(3): 106-108.

[9] 鉛筆道. 人工智能與影像診斷相結(jié)合的醫(yī)生界阿爾法狗[J]. 中國醫(yī)學(xué)計(jì)算機(jī)成像雜志, 2016(3): 282-282.

[10] 馬光志, 張曉祥, 周彬, 等. 大數(shù)據(jù)時(shí)代的循證醫(yī)學(xué)[J]. 世界復(fù)合醫(yī)學(xué), 2015(2): s120-s124.

[11] 劉步青. 人機(jī)協(xié)同系統(tǒng)的推理機(jī)制及其哲學(xué)意蘊(yùn)[D]. 上海：華東師范大學(xué), 2016.