劉勇　陳文生

摘要：結(jié)構(gòu)化電子病歷具有數(shù)據(jù)標(biāo)準(zhǔn)化程度高、數(shù)據(jù)檢索方便的優(yōu)點(diǎn)，能夠?yàn)檠C醫(yī)學(xué)、科研、教學(xué)提供有效的信息支撐，電子病歷數(shù)據(jù)錄入的質(zhì)量會(huì)影響臨床管理和決策水平。本文首先分析了影響電子病歷錄入質(zhì)量的相關(guān)因素，在此基礎(chǔ)上提出了電子病歷術(shù)語(yǔ)規(guī)范化流程，總結(jié)了關(guān)鍵技術(shù)、系統(tǒng)實(shí)現(xiàn)及界面設(shè)計(jì)經(jīng)驗(yàn)，旨在為臨床提供客觀、準(zhǔn)確的數(shù)據(jù)以及實(shí)現(xiàn)輔助臨床診斷提供參考。

關(guān)鍵詞：電子病歷;術(shù)語(yǔ);規(guī)范化;輔助診斷

中圖分類(lèi)號(hào)：R197.323? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：B? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? DOI：10.3969/j.issn.1006-1959.2020.14.003

文章編號(hào)：1006-1959（2020）14-0007-03

Electronic Medical Record Terminology Standardization Process and

Design of Clinical Assistant Diagnosis System

LIU Yong1，CHEN Wen-sheng2

（1.Information Center，Nanjing Jiangbei People's Hospital，Nanjing 210048，Jiangsu，China;

2.Library of Nanjing Vocational College of Science and Technology，Nanjing 210048，Jiangsu，China）

Abstract：The structured electronic medical record has the advantages of high data standardization and convenient data retrieval， and can provide effective information support for evidence-based medicine， scientific research， and teaching. The quality of electronic medical record data entry will affect clinical management and decision-making. This article first analyzes the relevant factors that affect the quality of electronic medical record entry， on this basis， it proposes a standardized process of electronic medical record terminology， summarizes key technologies， system implementation， and interface design experience， and aims to provide clinical and objective data and implementation assistance provide a reference for clinical diagnosis.

Key words：Electronic medical records;Terminology;Standardized;Auxiliary diagnosis

目前國(guó)內(nèi)主流的電子病歷系統(tǒng)在設(shè)計(jì)的時(shí)候也考慮到用結(jié)構(gòu)化的方法來(lái)實(shí)現(xiàn)，但是由于醫(yī)學(xué)的復(fù)雜性和多變性，結(jié)構(gòu)化的電子病歷實(shí)施難度較高，且必須確保有醫(yī)療背景的高級(jí)用戶參與，參與程度則直接影響使用效果[1]。此外，結(jié)構(gòu)化病歷由于采取的是基于表格模板的一種方式，使得臨床醫(yī)生的自主決定的靈活性降低，部分功能如主訴等由于專(zhuān)業(yè)特異性不高，醫(yī)生常常選擇使用自由文本進(jìn)行錄入[2]，因此存在不規(guī)范的信息錄入，從而影響電子病歷的書(shū)寫(xiě)質(zhì)量，如何對(duì)這些不規(guī)范的輸入進(jìn)行分析，包括特征術(shù)語(yǔ)篩選、提煉、分析、規(guī)范化、分類(lèi)，最終為臨床提供客觀、準(zhǔn)確的數(shù)據(jù)，提高臨床的管理和決策能力就顯得尤為重要。本文主要設(shè)計(jì)了電子病歷術(shù)語(yǔ)規(guī)范化流程，旨在為臨床決策提供客觀、詳盡的準(zhǔn)確的數(shù)據(jù)，也為科研提供精確的資料。

1需求分析

本系統(tǒng)設(shè)計(jì)旨在實(shí)現(xiàn)電子病歷醫(yī)學(xué)術(shù)語(yǔ)的規(guī)范化，并提供疾病的輔助診斷功能。首先，構(gòu)建醫(yī)學(xué)術(shù)語(yǔ)相關(guān)標(biāo)準(zhǔn)術(shù)語(yǔ)集，包括可擴(kuò)充的非規(guī)范術(shù)語(yǔ)-規(guī)范術(shù)語(yǔ)映射詞典和同義詞詞典，為標(biāo)準(zhǔn)化和規(guī)范化醫(yī)學(xué)術(shù)語(yǔ)做好前期的數(shù)據(jù)準(zhǔn)備;其次，利用自然語(yǔ)言處理的相關(guān)技術(shù)對(duì)電子病歷文本進(jìn)行處理分析，自動(dòng)識(shí)別不規(guī)范醫(yī)學(xué)術(shù)語(yǔ)，提示臨床人員予以更正，從而達(dá)到電子病歷的醫(yī)學(xué)專(zhuān)業(yè)術(shù)語(yǔ)規(guī)范化的目的;然后，應(yīng)用機(jī)器學(xué)習(xí)的相關(guān)方法，對(duì)醫(yī)學(xué)特征術(shù)語(yǔ)進(jìn)行特征分類(lèi)，以獲取疾病的診斷分類(lèi)。最后，對(duì)系統(tǒng)的實(shí)現(xiàn)和界面進(jìn)行設(shè)計(jì)，從而為醫(yī)療人員的臨床管理與決策提供方便。

2技術(shù)路線

2.1電子病歷結(jié)構(gòu)化的前期準(zhǔn)備工作? ①相關(guān)醫(yī)學(xué)術(shù)語(yǔ)詞典的構(gòu)建：標(biāo)準(zhǔn)化的字典對(duì)電子病歷結(jié)構(gòu)化和規(guī)范化是至關(guān)重要的，本系統(tǒng)使用人類(lèi)與獸類(lèi)醫(yī)學(xué)系統(tǒng)術(shù)語(yǔ)（SNOMED）、國(guó)際疾病分類(lèi)（ICD10和ICD9）的漢化版本，在實(shí)際使用中還可以將經(jīng)常使用到的未收錄術(shù)語(yǔ)增加到詞典中，進(jìn)一步豐富詞典的詞匯容量。②規(guī)范化對(duì)象的確定：電子病歷中的所有相關(guān)醫(yī)學(xué)術(shù)語(yǔ)包括規(guī)范醫(yī)學(xué)術(shù)語(yǔ)和非規(guī)范醫(yī)學(xué)術(shù)語(yǔ)，兩類(lèi)術(shù)語(yǔ)被顯著標(biāo)識(shí)，出錯(cuò)時(shí)由醫(yī)療人員予以更正，并確認(rèn)當(dāng)前識(shí)別出的非規(guī)范術(shù)語(yǔ)是否需要被添加到“非規(guī)范術(shù)語(yǔ)-規(guī)范術(shù)語(yǔ)映射”詞典（簡(jiǎn)稱(chēng)非規(guī)范對(duì)照詞典）中。

2.2電子病歷文本的自然語(yǔ)言處理相關(guān)技術(shù)

2.2.1漢語(yǔ)分詞? 主要方法如下：①基于詞典的分詞方法，包括正向最大匹配、逆向最大匹配法、雙向匹配法、最少切分法[3];②基于統(tǒng)計(jì)的方法，包括統(tǒng)計(jì)語(yǔ)言模型[3]、基于HMM的方法[4]、由字構(gòu)詞法[5]等。

2.2.2詞性標(biāo)注? 盡管漢語(yǔ)言詞性標(biāo)注有些情況較為復(fù)雜，但醫(yī)學(xué)術(shù)語(yǔ)涉及專(zhuān)業(yè)領(lǐng)域，大多數(shù)醫(yī)學(xué)術(shù)語(yǔ)可直接標(biāo)注為名詞詞形，便于簡(jiǎn)化詞性標(biāo)注的復(fù)雜度。

2.2.3醫(yī)學(xué)術(shù)語(yǔ)命名實(shí)體識(shí)別? 近年來(lái)，隨著臨床信息化的發(fā)展和電子病歷開(kāi)始在臨床中逐漸普及，我國(guó)學(xué)者開(kāi)始對(duì)生物醫(yī)學(xué)領(lǐng)域內(nèi)的專(zhuān)有名詞進(jìn)行智能識(shí)別。在電子病歷中，命名實(shí)體的類(lèi)別繁多，除了時(shí)間、人名、地名、組織機(jī)構(gòu)等常見(jiàn)的實(shí)體類(lèi)別外，還有疾病、癥狀、手術(shù)操作、病因、病理、藥品等特有的實(shí)體類(lèi)別。在電子病歷中，涉及到輔助診斷的幾類(lèi)實(shí)體是疾病、臨床癥狀、手術(shù)操作、實(shí)驗(yàn)室檢查等。目前，命名實(shí)體的識(shí)別方法主要有3種：①基于詞典的方法：需要建立臨床規(guī)范標(biāo)準(zhǔn)的醫(yī)學(xué)專(zhuān)業(yè)術(shù)語(yǔ)集，要涵蓋醫(yī)學(xué)的各個(gè)領(lǐng)域，如SNOMED CT等中描述的相關(guān)的同義詞、變形詞，建立不規(guī)范和規(guī)范術(shù)語(yǔ)的映射等等，然后再運(yùn)用相應(yīng)的匹配算法根據(jù)詞典對(duì)文本中醫(yī)學(xué)術(shù)語(yǔ)實(shí)體進(jìn)行識(shí)別;②基于規(guī)則的方法：需要建立針對(duì)性的識(shí)別規(guī)則庫(kù)，優(yōu)點(diǎn)是在特定領(lǐng)域準(zhǔn)確率較高，優(yōu)于基于統(tǒng)計(jì)的方法，缺點(diǎn)是規(guī)則的制定需要消耗大量的時(shí)間和人力，且所制定的規(guī)則往往與特定的領(lǐng)域相關(guān)，可移植性較差;③基于機(jī)器學(xué)習(xí)的方法利用標(biāo)注過(guò)的語(yǔ)料進(jìn)行訓(xùn)練，語(yǔ)料的標(biāo)注也不需要較多的語(yǔ)言學(xué)知識(shí)，較小規(guī)模的語(yǔ)料也可以在可接受的時(shí)間和人力代價(jià)內(nèi)完成。因此，該方法具有很好的移植性，目前已經(jīng)廣泛應(yīng)用于包括命名實(shí)體識(shí)別在內(nèi)的許多自然語(yǔ)言處理任務(wù)中。常用的機(jī)器學(xué)習(xí)模型包括隱馬爾可夫（hidden Markov model，HMM）[6]、條件隨機(jī)場(chǎng)（CRF）[7]等，近年來(lái)，基于神經(jīng)網(wǎng)絡(luò)的方法也常被應(yīng)用于命名實(shí)體識(shí)別，如基于長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）的Lattice LSTM模型抽取實(shí)體[8]。

2.2.4特征術(shù)語(yǔ)相似度度量? 通過(guò)實(shí)體識(shí)別出來(lái)的特征術(shù)語(yǔ)，有的意思相似或相近，甚至意思完全一樣，只是因?yàn)椴僮魅藛T輸入了非規(guī)范術(shù)語(yǔ)造成的。例如“冠狀動(dòng)脈支架置入術(shù)”和“冠狀動(dòng)脈支架植入術(shù)”，實(shí)際上指代同一個(gè)意思，由于輸入的不規(guī)范，導(dǎo)致系統(tǒng)提取出兩個(gè)不同的特征術(shù)語(yǔ)。因此，需要通過(guò)計(jì)算特征術(shù)語(yǔ)之間的相似程度來(lái)規(guī)范化特征。度量特征文本相似度方法有以下幾種：①基于向量空間的度量方式 利用特征頻率-反向文檔頻率（TF-IDF）[9]將文檔向量化。TF-IDF是一種統(tǒng)計(jì)方法，用以評(píng)估特征項(xiàng)相對(duì)于文件集或語(yǔ)料庫(kù)中的一個(gè)文檔的重要程度。特征項(xiàng)的重要性與它在該文檔中出現(xiàn)的次數(shù)成正比，與它在語(yǔ)料庫(kù)中出現(xiàn)的頻率成反比，最后計(jì)算向量之間的夾角余弦（Cosine）。②距離度量 Jaro-Winkler Distance[10] 作為Jaro Distance的一個(gè)擴(kuò)展，是一種計(jì)算兩個(gè)字符串之間相似度的方法。

2.3特征分類(lèi)流程? 本流程是根據(jù)電子病歷文本，得到病歷內(nèi)容對(duì)應(yīng)的疾病，為了驗(yàn)證特征分類(lèi)的效果，特收集了幾個(gè)疾病類(lèi)型，包括不同特征的疾病類(lèi)型和相似特征的疾病類(lèi)型，如高血壓心臟病、冠狀動(dòng)脈粥樣硬化性心臟病、急性支氣管炎、肺部感染、慢性阻塞性肺病等，其中有部分患者的電子病歷文本中夾雜著多種疾病類(lèi)型的特征，當(dāng)存在這種情況時(shí)，疾病以該患者的第一診斷為主。疾病診斷可以被看作是一個(gè)文本分類(lèi)問(wèn)題，即輸入是一段病歷自然文本文本，經(jīng)過(guò)對(duì)醫(yī)學(xué)術(shù)語(yǔ)的規(guī)范化，提取相關(guān)醫(yī)學(xué)特征術(shù)語(yǔ)，最后經(jīng)過(guò)分類(lèi)模型輸出疾病的診斷分類(lèi)。此外，分類(lèi)模型中使用的各種分類(lèi)器有很多，如支持向量機(jī)（SVM）、決策樹(shù)、隨機(jī)深林[11]，以及神經(jīng)網(wǎng)絡(luò)[12]等。特征分類(lèi)流程圖見(jiàn)圖1。

3系統(tǒng)設(shè)計(jì)

根據(jù)系統(tǒng)需求，設(shè)計(jì)了基于機(jī)器學(xué)習(xí)的電子病歷規(guī)范化和輔助診斷的系統(tǒng)框架圖，見(jiàn)圖2。根據(jù)系統(tǒng)框架圖，整個(gè)研究可分為兩個(gè)部分：①醫(yī)學(xué)特征術(shù)語(yǔ)規(guī)范化：包括中文分詞、醫(yī)學(xué)實(shí)體識(shí)別、特征術(shù)語(yǔ)規(guī)范處理，其中在規(guī)范術(shù)語(yǔ)的過(guò)程中，可以將非規(guī)范術(shù)語(yǔ)添加到非規(guī)范對(duì)照詞典中，從而提高非規(guī)范術(shù)語(yǔ)的識(shí)別效率。②輔助診斷：將規(guī)范后的特征術(shù)語(yǔ)，輸入到分類(lèi)模型中，得出相應(yīng)的疾病診斷。

3.1電子病歷文檔提取? 由于人工標(biāo)注較大規(guī)模的語(yǔ)料庫(kù)比較困難，本次設(shè)計(jì)考慮了人機(jī)結(jié)合的方式以快速建立一個(gè)小規(guī)模的語(yǔ)料庫(kù)，具體步驟如下：①人工收集了1200份電子病歷文檔，涵蓋了心臟科、呼吸科等科室的患者資料;②程序自動(dòng)抽取每位患者的主訴、現(xiàn)病史、既往史、實(shí)驗(yàn)室及器械檢查等涉及的文本數(shù)據(jù)，作為原始處理文件;③在此基礎(chǔ)上使用相應(yīng)的工具進(jìn)行文本的自動(dòng)標(biāo)注，再進(jìn)行人工審核標(biāo)注的方法，快速構(gòu)建一個(gè)語(yǔ)料庫(kù)。

3.2詞性標(biāo)注? 該模塊設(shè)計(jì)的目的是快速獲取文本的詞性。選取部分效果如下顯示：【主/a訴/v：/w咳嗽/v咳痰/n伴/v呼吸困難/n3/n天/q。/w現(xiàn)/t病史/n：/w3/n天/q前/f患者/n在/p我院/n呼吸/v科/n住院/v期間/f出現(xiàn)/v咳嗽/v、/w咳痰/n，/w自主/v排/v痰/n困難/a，/w需/v輔助/v排/v痰/n，/w為/p大量/m灰色/n粘液/n痰/n，/w未/d見(jiàn)/v痰/n中/f帶/v血/n?！?/p>

3.3詞位標(biāo)注? 為了獲取醫(yī)學(xué)實(shí)體識(shí)別學(xué)習(xí)必要訓(xùn)練語(yǔ)料，須對(duì)文檔中的所有字進(jìn)行詞位標(biāo)注，但顯然通過(guò)人工標(biāo)注的方式效率較低，考慮用計(jì)算機(jī)快速標(biāo)注方式解決。標(biāo)注的時(shí)候需要用到相關(guān)醫(yī)學(xué)領(lǐng)域的標(biāo)準(zhǔn)詞典，系統(tǒng)將ICD10、ICD-9-CM、SNOMED、同義詞詞典等的術(shù)語(yǔ)增加到字典中，以增加分詞的命中效率。診斷、手術(shù)、檢查的相關(guān)醫(yī)學(xué)術(shù)語(yǔ)長(zhǎng)度一般比較長(zhǎng)，使用反向最大匹配算法并依據(jù)詞首（B）、詞中（I）、詞尾（E），進(jìn)行自動(dòng)標(biāo)注，考慮到詞典的覆蓋率問(wèn)題，由人工對(duì)自動(dòng)標(biāo)注后的語(yǔ)料庫(kù)進(jìn)行了核對(duì)。

3.4特征術(shù)語(yǔ)規(guī)范化處理? 特征提取后會(huì)得到一個(gè)特征術(shù)語(yǔ)集合，里面既包含規(guī)范的特征術(shù)語(yǔ)，也可能包含了不規(guī)范的特征術(shù)語(yǔ)，將這些特征術(shù)語(yǔ)與同義詞典中“非規(guī)范特征術(shù)語(yǔ)”比較，并自動(dòng)將非規(guī)范特征術(shù)語(yǔ)用紅色標(biāo)識(shí)出來(lái)，并提供相似度較高的特征術(shù)語(yǔ)供臨床醫(yī)務(wù)人員參考選擇，“術(shù)語(yǔ)維護(hù)”功能可以將新的“非規(guī)范特征術(shù)語(yǔ)”添加到非規(guī)范術(shù)語(yǔ)-規(guī)范術(shù)語(yǔ)映射詞典中，見(jiàn)圖3。

3.5臨床輔助診斷? 在系統(tǒng)中點(diǎn)擊“載入文檔”，加載需要診斷的電子病歷文檔。點(diǎn)擊“特征詞加載”，自動(dòng)在后臺(tái)生成對(duì)應(yīng)的醫(yī)學(xué)特征術(shù)語(yǔ)，再點(diǎn)擊“輔助診斷”根據(jù)這些醫(yī)學(xué)特征術(shù)語(yǔ)，使用分類(lèi)模型該電子病歷文檔進(jìn)行分類(lèi)，并且把分類(lèi)結(jié)果顯示在第一行，即“慢性阻塞性肺病急性發(fā)作”。最后，根據(jù)該電子病歷的醫(yī)學(xué)特征術(shù)語(yǔ)與已經(jīng)有明確診斷的且被作為標(biāo)準(zhǔn)對(duì)照的疾病標(biāo)注電子病歷文檔做比較，按照相似度降序顯示出來(lái)，供臨床醫(yī)務(wù)人員參考。

4總結(jié)

由于電子病歷系統(tǒng)的特殊性，需要與其他各個(gè)系統(tǒng)做相應(yīng)的連接，這就使得電子病歷復(fù)雜性較高，包括臨床路徑、患者的其他相關(guān)記錄（首頁(yè)、病程記錄、檢查檢驗(yàn)結(jié)果、醫(yī)囑、手術(shù)記錄、護(hù)理記錄等），因此，電子病歷系統(tǒng)每天會(huì)產(chǎn)生大量的數(shù)據(jù)，這些海量數(shù)據(jù)有很多都是不規(guī)范的自由文本輸入，包含的信息卻是很重要的，這就需要通過(guò)研究將重要的醫(yī)學(xué)特征抽取出來(lái)，并且將其規(guī)范化，最后結(jié)合分類(lèi)模型達(dá)到臨床輔診、決策支持的目的。本系統(tǒng)的設(shè)計(jì)開(kāi)發(fā)，最終規(guī)范了電子病歷的書(shū)寫(xiě)，可為臨床提供客觀、準(zhǔn)確的數(shù)據(jù)，進(jìn)而達(dá)到輔助臨床進(jìn)行診斷的功能。

參考文獻(xiàn)：

[1]梅文華，刁君，常奕，等.結(jié)構(gòu)化電子病歷的應(yīng)用[J].中國(guó)數(shù)字醫(yī)學(xué)，2016，11（3）：22-25.

[2]朱彥斌.結(jié)構(gòu)化電子病歷在臨床管理中的應(yīng)用[J].中國(guó)醫(yī)藥導(dǎo)報(bào)，2015，12（35）：161-164.

[3]宗慶成.統(tǒng)計(jì)自然與語(yǔ)言處理[M].北京：清華大學(xué)出版社，2008.

[4]朱咸軍，洪宇，黃雅琳，等.基于HMM的算法優(yōu)化在中文分詞中的應(yīng)用[J].金陵科技學(xué)院學(xué)報(bào)，2019，35（3）：1-7.

[5]黃昌寧.由字構(gòu)詞——中文分詞新方法[C]//中文信息處理前沿進(jìn)展——中國(guó)中文信息學(xué)會(huì)二十五周年學(xué)術(shù)會(huì)議論文集.2006.

[6]劉博，杜建強(qiáng)，聶斌，等.基于二階HMM的中醫(yī)診斷古文詞性標(biāo)注[J].計(jì)算機(jī)工程，2017，43（7）：211-216.

[7]宓林暉，袁駿毅.基于CRF模型的臨床醫(yī)囑信息實(shí)體識(shí)別方法應(yīng)用研究[J].計(jì)算機(jī)應(yīng)用與軟件，2020，37（3）：209-212.

[8]Zhang Y，Yang J.Chinese ner using lattice lstm[J].Preprint，2018（v1）：1554-1564.

[9]黃春梅，王松磊.基于詞袋模型和TF-IDF的短文本分類(lèi)研究[J].軟件工程，2020，23（3）：1-3.

[10]吳凌芬，楊小淵，葉添杰，等.改進(jìn)Jaro-Winkler算法在迎賓機(jī)器人語(yǔ)音交互中的應(yīng)用[J].現(xiàn)代計(jì)算機(jī)（專(zhuān)業(yè)版），2015（8）：8-13.

[11]陳宋.基于機(jī)器學(xué)習(xí)的醫(yī)學(xué)輔助診斷算法研究[D].福州大學(xué)，2018.

[12]陳欽界.基于機(jī)器學(xué)習(xí)的智能醫(yī)療診斷輔助方法研究[D].國(guó)防科學(xué)技術(shù)大學(xué)，2017.

收稿日期：2020-05-11;修回日期：2020-05-20

編輯/錢(qián)洪飛

作者簡(jiǎn)介： 劉勇（1977.5-），男，江蘇鹽城人，碩士，工程師，主要從事機(jī)器學(xué)習(xí)、自然語(yǔ)言處理工作

通訊作者： 陳文生（1977.1-），男，河北黃驊人，碩士，館員，主要從事信息與信息系統(tǒng)管理工作