宓林暉 袁駿毅

(上海市胸科醫(yī)院 上海 200030)

0 引 言

醫(yī)囑是指患者在診療過程中由醫(yī)生對其發(fā)出的醫(yī)療命令，包括藥品、檢驗、檢查及護理等方面。實時抽取和識別醫(yī)生醫(yī)囑中的關(guān)鍵信息，能夠提升護理執(zhí)行的時效性，并為醫(yī)療決策支持提供重要的幫助[1]。完全依靠人工進行醫(yī)囑實體識別的訓(xùn)練成本高昂，而且長期的重復(fù)工作容易導(dǎo)致工作效率低下。因此，通過機器學(xué)習(xí)的方式來實現(xiàn)命名實體自動識別成為了國內(nèi)外眾多學(xué)者研究的課題。夏宇彬等[2]利用長短期記憶神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，實現(xiàn)電子病歷歸檔后的實體自動識別。Beissinger等[3]指出由于醫(yī)療的專業(yè)性，必須增加醫(yī)療文本識別的實時校正環(huán)節(jié)，以此提高臨床使用環(huán)境下的適用性。

本文以上海市胸科醫(yī)院為研究背景，提出了一種嵌入于臨床業(yè)務(wù)信息系統(tǒng)的臨床醫(yī)囑實體識別方法。通過對歷史醫(yī)囑數(shù)據(jù)的回顧分析，建立起基于條件隨機場模型(Conditional Random Field，CRF)的智能化醫(yī)囑識別系統(tǒng)，并形成醫(yī)囑專項語料詞庫。結(jié)合該系統(tǒng)的正式投入使用，將護士的日常操作與實體識別反饋有機融合，提高臨床醫(yī)療的工作效率。實證分析智能化醫(yī)囑實體識別方法的影響作用，建立有效性評估體系，為醫(yī)院全方面開展醫(yī)囑數(shù)據(jù)精細化利用提供相關(guān)的參考依據(jù)。

1 智能實體識別原理及方法

1.1 總體框架

本文通過臨床醫(yī)生醫(yī)囑系統(tǒng)產(chǎn)生的醫(yī)囑數(shù)據(jù)實時進行實體識別。當(dāng)醫(yī)生在電子醫(yī)囑系統(tǒng)(Computerized Physician Order Entry，CPOE)輸入醫(yī)囑后，在醫(yī)囑專項詞庫的基礎(chǔ)上，系統(tǒng)利用CRF模型實現(xiàn)醫(yī)囑實體的自動識別。臨床護理信息系統(tǒng)(Nurse Information System，NIS)則將識別出的結(jié)果以標(biāo)簽的形式醒目地展現(xiàn)在護理工作站、護理PDA以及病區(qū)公告大屏等子系統(tǒng)上，以便于護士及時根據(jù)識別結(jié)果進行醫(yī)囑的相應(yīng)處理。若護士發(fā)現(xiàn)自動識別結(jié)果不正確或者存在醫(yī)囑未自動識別的情況，可以及時在終端上進行識別的正確反饋，系統(tǒng)后臺將更正的識別信息重新注入模型，進行自學(xué)習(xí)，并將學(xué)習(xí)結(jié)果納入專項詞庫，從而形成一套閉環(huán)完整的實體識別體系框架，用于提供后續(xù)識別的準(zhǔn)確率。醫(yī)囑實體識別的流程框架見圖1。

圖1 醫(yī)囑實體識別流程框架

1.2 算法原理

CRF模型是Lafferty等[4]提出的一種概率判別式模型，近年來廣泛使用于人工智能分詞、命名實體識別等方面。有別于以往使用的隱馬爾可夫模型，CRF模型對假設(shè)條件的限制更少，能有效避免最大熵模型標(biāo)記發(fā)生偏移，具有更廣泛的使用率。因此，在本文所研究的非結(jié)構(gòu)化文本醫(yī)囑的實體識別任務(wù)中，也選擇CRF模型進行處理。CRF模型在線性鏈條件下公式如下：

(1)

式中：x=(x1,x2,…,xi)為觀測序列，y=(y1,y2,…,yi)為標(biāo)注序列,Zx為歸一化因子，fk為特征函數(shù)，λk則為特征函數(shù)所對應(yīng)的權(quán)值，且k≤24。

對于醫(yī)囑的實體識別問題，可將CRF模型使用于在已知醫(yī)囑實體文本x的情況下，求得令條件p達到最大值的y*,即最有可能的標(biāo)注序列，從而獲得該醫(yī)囑命名實體。

1.3 醫(yī)囑類型分類

以I2B2信息抽取評測任務(wù)為參考依據(jù)[5]，結(jié)合臨床上中文醫(yī)囑的特點及臨床實際應(yīng)用分類，可分為藥物類(D)、檢查類(E)、耗材類(M)、手術(shù)類(O)和護理類(N)等五大類型醫(yī)囑實體。通過對醫(yī)院信息系統(tǒng)(Hospital Information System,HIS)中2018年12月全院13個病區(qū)的醫(yī)囑進行分析，共獲取醫(yī)囑記錄35 589條，其按類型分布情況見表1。

表1 醫(yī)院2018年12月醫(yī)囑數(shù)據(jù)分布

1.4 模型訓(xùn)練初始化

由于醫(yī)囑標(biāo)注屬于基于文字的模型標(biāo)注，因此使用了Sighan Bakeoff語料標(biāo)注法[6]。BIO標(biāo)注集是一種基于專項詞庫作為基線測試的中文分詞方法，包括測試集、訓(xùn)練集與正式集。將醫(yī)囑實體分為兩個部分，即F-Chat、O-Chat，分別代表了醫(yī)囑覆蓋字符與非覆蓋字符。同樣地，將專項詞庫也分為兩部分，F(xiàn)-Key、O-Key，分別代表了主關(guān)鍵字符與非關(guān)鍵字符，Null代表了不屬于醫(yī)囑命名實體的結(jié)果部分。

在前期的準(zhǔn)備工作中，我們從內(nèi)外科中各選擇一個病區(qū)，對當(dāng)日醫(yī)生簽開的所有醫(yī)囑進行后期人工標(biāo)注，以此作為訓(xùn)練集及初始專項詞庫，同時將2018年12月的歷史醫(yī)囑數(shù)據(jù)加入測試集。由于CRF的特征函數(shù)對輸入序列在限定窗口下的文本具有相關(guān)約束關(guān)系[7]，由此分析基于初始專項詞庫的測試集中醫(yī)囑文本通過CRF模型輸出結(jié)果的影響，并加入訓(xùn)練集中不斷迭代學(xué)習(xí)。最終，測試集的分析結(jié)果顯示，近似估計歸一因子Zx=0.8。測試分析過程見圖2。

圖2 測試集數(shù)據(jù)過程分析

2 實證運行分析

2.1 運行評價指標(biāo)

本文的實驗數(shù)據(jù)采用了醫(yī)院的真實住院醫(yī)囑數(shù)據(jù)，包含了智能化醫(yī)囑識別系統(tǒng)自2019年5月上線后處理的8 362條醫(yī)囑，涵蓋心內(nèi)科、心外科、呼吸內(nèi)科和胸外科4個病區(qū)。本文采用英文命名實體識別常用的3個評價指標(biāo)項，對該方法的識別效果進行衡量，即正確率(Precision-P)、召回率(Recall-R)、F值[8]，其計算公式為：

(2)

(3)

(4)

2.2 按周綜合評價

在后臺管理模塊中對智能化醫(yī)囑識別系統(tǒng)上線后每月的醫(yī)囑文本命名實體識別結(jié)果進行統(tǒng)計，見表2。

表2 醫(yī)囑命名實體識別按周評價 %

可以看出,智能化醫(yī)囑識別系統(tǒng)剛上線第一周時的識別效果并不理想，準(zhǔn)確率和召回率分別只有69.64%和51.32%。原因是在信息化項目的起步階段，護士尚處于與新系統(tǒng)的磨合期，需要學(xué)習(xí)熟悉新的操作方法和工作流程[9]。通過前期多次培訓(xùn)以后，準(zhǔn)確性、召回率及F值逐月穩(wěn)步提高，在第五周時，F(xiàn)值已達到87.49%，這表明將命名實體標(biāo)注與臨床業(yè)務(wù)系統(tǒng)結(jié)合的智能標(biāo)注模式切實有效，具有可操作性[10]。

2.3 按醫(yī)囑類型評價

統(tǒng)計在藥物類(D)、檢查類(E)、耗材類(M)、手術(shù)類(O)和護理類(N)這五類醫(yī)囑實體識別上的表現(xiàn)，其結(jié)果見圖3。

圖3 按類型評價醫(yī)囑命名實體識別效果

可以看出，藥物類(D)、耗材類(M)、手術(shù)類(O)和護理類(N)醫(yī)囑實體識別的準(zhǔn)確率均在80%以上，已可滿足臨床業(yè)務(wù)中準(zhǔn)確識別醫(yī)囑的要求。然而，檢查類(E)的效果仍不理想，造成此類狀況的原因，一是醫(yī)生偏好用縮略語來描述檢查或檢驗，如氣管鏡檢查可縮寫為TBB、TBLB、EBUS等；另外，還存在部分醫(yī)生用特殊符號與縮略語組合的形式來表示一套檢查項目，如PT·電·肝腎、PCT·血RT·肝腎等，導(dǎo)致出現(xiàn)專項詞庫無法及時對應(yīng)的狀況。

3 應(yīng)用效果

目前醫(yī)院已經(jīng)將智能化醫(yī)囑識別系統(tǒng)嵌入臨床醫(yī)護工作站的CPOE和NIS應(yīng)用軟件中。醫(yī)囑識別功能涵蓋了所有CPOE系統(tǒng)輸入的醫(yī)囑，通過識別后自動提示在護理公告大屏上，更直接地提醒護士所需執(zhí)行的各項護理任務(wù)，從而指導(dǎo)調(diào)度病區(qū)護士日常工作。首先，智能化醫(yī)囑識別系統(tǒng)對患者的醫(yī)囑文本進行了預(yù)處理，包括過濾特殊符號、分詞等；接著，將處理后的數(shù)據(jù)傳入CRF模型進行實體識別，如果識別結(jié)果的置信度高于閾值，則將其實體詞條與專項詞庫中預(yù)設(shè)的醫(yī)囑小項進行對應(yīng)；最后，根據(jù)頻次、執(zhí)行天數(shù)等按天拆分成護理任務(wù)標(biāo)注后，以直觀的形式展現(xiàn)在護理公告屏上。對于已經(jīng)自動識別但結(jié)果存在錯誤的醫(yī)囑，護士也可對結(jié)果進行人工校正，其界面見圖4。

圖4 智能化醫(yī)囑識別系統(tǒng)處理界面

智能化醫(yī)囑識別系統(tǒng)會對該次操作結(jié)果進行學(xué)習(xí)，將護士選擇的小項映射到所屬的實體大類，再由此推導(dǎo)出正確的實體識別結(jié)果，并將其納入到訓(xùn)練集中，繼續(xù)用于優(yōu)化CRF模型，以提高系統(tǒng)下次識別的準(zhǔn)確度。

4 結(jié) 語

本文將命名實體識別技術(shù)運用于醫(yī)療業(yè)務(wù)信息系統(tǒng)，利用CRF模型對醫(yī)囑文本進行實體識別，有效提升了智能識別的精度。在評價結(jié)果方面，采用準(zhǔn)確率、召回率和F值對醫(yī)囑實體識別的情況進行分析，證明了該方法的實用性和有效性。智能化醫(yī)囑識別系統(tǒng)自正式投入使用后，在1個月運行期間共納入了全院4個病區(qū)的8 362條醫(yī)囑，后臺數(shù)據(jù)庫積累了700多條醫(yī)囑專項詞庫，有效提升了護士執(zhí)行醫(yī)囑的及時性。在項目的推進過程中，通過調(diào)研發(fā)現(xiàn)，使用智能化醫(yī)囑識別系統(tǒng)的病區(qū)護士在信息支撐滿意度方面與未使用病區(qū)護士有7.2%的提高。然而，在實際使用中也存在一些問題，如誤操作行為會導(dǎo)致學(xué)習(xí)錯誤的規(guī)則，影響同類醫(yī)囑實體的識別和臨床業(yè)務(wù)，后續(xù)將針對這類問題繼續(xù)優(yōu)化完善，提高系統(tǒng)的容錯性，使其達到更好的實際運用效果。智能化醫(yī)囑識別系統(tǒng)建設(shè)的成功與否與醫(yī)囑語料密切相關(guān)，在本研究的推進工作中積累了大量的醫(yī)囑專項語料詞庫，為日后在醫(yī)療領(lǐng)域的知識挖掘奠定了良好基礎(chǔ)。