陳 強

(常州市第二人民醫(yī)院常州213164)

丁臘春 王 譯

(鎮(zhèn)江市第四人民醫(yī)院鎮(zhèn)江212001)

殷偉東

(南京市衛(wèi)生信息中心南京210003)

1 引言

電子病歷不僅反映患者基本病情，也反映治療過程與治療質(zhì)量。電子病歷的使用在提高醫(yī)生錄入效率的同時也帶來一系列負面問題。醫(yī)護人員如未認真落實病歷書寫規(guī)章制度，或濫用病例模板，嚴重拷貝，則會嚴重影響病歷質(zhì)量，甚至危及醫(yī)療質(zhì)量[1]。電子病歷總體水平在體現(xiàn)診療質(zhì)量的同時，也反映醫(yī)療管理水平與效果，同時從側(cè)面驗證醫(yī)療機構(gòu)的醫(yī)療水平。因此各醫(yī)療機構(gòu)在電子病歷書寫質(zhì)量上都十分重視，采用計算機技術(shù)來輔助進行質(zhì)量的控制與管理，取得一定成效。

2 系統(tǒng)研究與設(shè)計

2.1 醫(yī)學術(shù)語本體庫

2.1.1 知識庫 現(xiàn)有的電子病歷均支持結(jié)構(gòu)化與自然語音錄入方式，但各醫(yī)療機構(gòu)在結(jié)構(gòu)化上均存在較大困難，主要表現(xiàn)為部分醫(yī)生的長期習慣與個性化需求難以統(tǒng)一，特別在專家的身上體現(xiàn)的更為明顯，因此現(xiàn)有的電子病歷記錄常常為半結(jié)構(gòu)化狀態(tài)。如何更好地利用醫(yī)療機構(gòu)現(xiàn)有電子病歷半結(jié)構(gòu)化數(shù)據(jù)就成為醫(yī)學信息學的一項重要的任務(wù)。醫(yī)學領(lǐng)域規(guī)范的結(jié)構(gòu)化數(shù)據(jù)集合形式可稱為知識庫，知識庫的低級狀態(tài)是單表(分類字典)集合，高級形態(tài)是多個醫(yī)學字典按標準術(shù)語、語義關(guān)系鏈接成類似神經(jīng)的網(wǎng)狀結(jié)構(gòu)醫(yī)學本體[2]。

2.1.2 本體庫 醫(yī)學本體是以醫(yī)學指南、共識、藥品知識、檢驗知識、檢查知識等按繼承關(guān)系構(gòu)建的醫(yī)療標準術(shù)語集。以指南共識為基礎(chǔ)，結(jié)合臨床醫(yī)生實際工作經(jīng)驗形成可以共享并再利用的知識，為醫(yī)療領(lǐng)域知識圖譜、大數(shù)據(jù)及后結(jié)構(gòu)化應(yīng)用奠定基礎(chǔ)。本項目按照7步法的流程構(gòu)建術(shù)語本體庫，提取出相關(guān)概念建立領(lǐng)域描述本體模型，形成由概念、屬性、實例以及相關(guān)概念之間關(guān)系組成的本體庫[3]。具體流程，見圖1。

圖1 醫(yī)學術(shù)語本體庫構(gòu)建

2.2 自然語言處理技術(shù)

按照病案質(zhì)控的要求理解病案語義，是可以對醫(yī)療文本數(shù)據(jù)進行語義分析及提取的一種人工智能技術(shù)，可利用醫(yī)學術(shù)語本體庫及語料庫進行模型構(gòu)建與訓練，能達到的分詞準確率達99%，命名實體識別的準確率達97%，在對醫(yī)學文本充分結(jié)構(gòu)化的基礎(chǔ)上，仍能最大程度保留文本中的語義及關(guān)聯(lián)，從而使由計算機對病歷的內(nèi)涵進行分析與質(zhì)控變得可行[4]，見圖2。

圖2 自然語言處理流程

2.3 數(shù)據(jù)清洗

2.3.1 基本原則 利用本體模型對多樣性的醫(yī)療數(shù)據(jù)進行歸類。如對于同一疾病的多種不同描述及不同系統(tǒng)中對于同一術(shù)語的不同表述。針對醫(yī)學表述的復(fù)雜多性，以及不同診療標準下疾病、指標、治療等醫(yī)學術(shù)語表達不一致的問題，采用標準醫(yī)學術(shù)語本體為基礎(chǔ)，通過數(shù)據(jù)清洗流程將醫(yī)學自然語言進行規(guī)范化、結(jié)構(gòu)化與標準化。

2.3.2 清洗過程 本系統(tǒng)將電子病歷文書中的詞匯及醫(yī)生自己按照個人語言習慣或經(jīng)驗輸入的醫(yī)院自有詞匯與本體模型的標準術(shù)語集進行對比分析，通過系統(tǒng)自動將類似詞匯之間建立映射關(guān)系并標注出來。由醫(yī)生或?qū)Ｂ毠芾韱T進行對比分析與確認，并把經(jīng)確認的術(shù)語加入到醫(yī)院自己個性化的術(shù)語集中，形成醫(yī)院獨有標準術(shù)語集。當系統(tǒng)找不到對應(yīng)的映射關(guān)聯(lián)時，可以由醫(yī)生或?qū)Ｂ毠芾韱T通過手工方式拆分詞組和短句，與標準本體術(shù)語集進行對比分析，將具有相同語義的詞匯之間建立映射關(guān)系[5]。

2.4 診療知識圖譜

診療知識圖譜的構(gòu)建需要整合臨床規(guī)范知識，同時為了實現(xiàn)知識歸類，對其中涉及的術(shù)語進行規(guī)范化、結(jié)構(gòu)化與標準化，最大限度處理與歸類電子診療記錄。構(gòu)建關(guān)于疾病診斷治療的知識圖譜，從而實現(xiàn)疾病的人工智能輔助診斷[6]。通過構(gòu)建疾病診斷、治療及康復(fù)知識庫和醫(yī)療領(lǐng)域的本體模型。疾病診斷、治療及康復(fù)知識庫是有關(guān)疾病起因、治療、用藥、康復(fù)、飲食、運動、休息、禁忌、等知識，是診療知識庫的核心內(nèi)容；醫(yī)療領(lǐng)域的本體模型是有關(guān)疾病的起因、治療、用藥、康復(fù)、飲食、運動、休息、禁忌等因素之間的相互關(guān)系構(gòu)建神經(jīng)網(wǎng)絡(luò)圖譜模型。

2.5 機器學習

使用的診療模型利用真實臨床數(shù)據(jù)作為訓練數(shù)據(jù)，從而解決了利用知識庫構(gòu)建模型難以適應(yīng)多變的真實個體且無法實現(xiàn)精準化的問題；且診療模型不是對疾病、治療方案等的“是”與“否”的判斷，會綜合考量患者病情及變化，進而在提供決策建議的同時對主次要性進行分析與排序。在此基礎(chǔ)上開發(fā)人工智能病歷質(zhì)控系統(tǒng)，建立利用已知的患者病情、治療等信息對后續(xù)臨床處置提供決策建議的人工智能模型。以真實臨床病歷作為數(shù)據(jù)基礎(chǔ)，利用自然語言處理引擎結(jié)構(gòu)化臨床病歷，整合多任務(wù)學習、高稀疏學習及在線學習構(gòu)建模型，既為醫(yī)生提供臨床決策支持，進而提高臨床診療效率及質(zhì)量；也可以實現(xiàn)對臨床路徑的合理性及充分性的精準分析，提升臨床病歷質(zhì)量?？焖贁U充病種，解決病歷質(zhì)控人員無法對各科室專業(yè)內(nèi)容進行分析與評判的難題。

3 應(yīng)用實踐

3.1 形式質(zhì)控

3.1.1 內(nèi)涵 形式質(zhì)量控制主要是針對病歷書寫的格式、完整度及時效性進行質(zhì)控。格式是指電子病歷書寫是否按規(guī)范，完整度是指對缺項、漏項進行合理性評估。時效性是指按照診療規(guī)范規(guī)定的時間內(nèi)完成病歷記錄，對于沒有按時完成的文書以消息方式推送提醒警示[7]。

3.1.2 主題 形式質(zhì)控監(jiān)控主題包完整性、時效性和流程規(guī)范性監(jiān)控。對病程錄、手術(shù)記錄、出院記錄等建立一系列質(zhì)量監(jiān)控體系[8]。通過監(jiān)控電子病歷中的入院時間、病歷書時間、手術(shù)時間、手術(shù)記錄時間、醫(yī)囑時間等時間點的時效性，實時提醒醫(yī)生在規(guī)定的時間內(nèi)完成文書錄入及相關(guān)操作的時間合理性。實現(xiàn)事前、事中與事后的一體化監(jiān)測提醒與考核，將傳統(tǒng)終末質(zhì)控前置到臨床各階段的過程質(zhì)控，使質(zhì)控工作貫穿整個診療環(huán)節(jié)。

3.2 內(nèi)涵質(zhì)控

病歷內(nèi)涵質(zhì)量控制是病歷質(zhì)控中最為重要、最為復(fù)雜的內(nèi)容，一般由資歷較高的醫(yī)生進行，是醫(yī)療質(zhì)量文書的最后抬頭環(huán)節(jié)。如何通過信息技術(shù)實現(xiàn)電子病歷文書內(nèi)涵質(zhì)量的有效監(jiān)控成為病歷質(zhì)控中的重點和難點。通過人工智能算法分析半結(jié)構(gòu)化文本，快速找到病歷內(nèi)涵缺陷。具體思路是基于醫(yī)學術(shù)語本體，通過對海量數(shù)據(jù)進行深度機器學習，在知識圖譜的基礎(chǔ)上更深入地構(gòu)建一個具有診斷能力的智能模型，從而系統(tǒng)才能實現(xiàn)基于人工智能內(nèi)涵質(zhì)控。

3.3 自動預(yù)警功能模塊

利用自然語言處理技術(shù)和一系列診療算法，充分理解病案內(nèi)容細節(jié)和邏輯關(guān)系，不僅僅能夠檢查出病案書寫錯誤、信息矛盾等缺陷，還能夠核控醫(yī)生診療決策中的全面性和合理性，及時向醫(yī)生和質(zhì)控人員反饋質(zhì)控情況。根據(jù)不良事件風險詞，系統(tǒng)每日凌晨自動對所有在院患者電子病歷進行篩查，將病歷中有記載不良事件風險詞的高?；颊咦鳛橐伤撇涣际录A(yù)警[9]。同時，從醫(yī)囑中發(fā)現(xiàn)如“完成記錄超時、不完整、醫(yī)生超權(quán)限”等醫(yī)療不良事件，自動標注生成風險記錄、及時提醒責任醫(yī)生進行修改與完善。同時病區(qū)電子病歷質(zhì)控員、病案室也會定時查看提示的疑似問題病歷，重點觀察問題病歷，通過病案室總控、病歷質(zhì)控管理員具體管理、病區(qū)病歷質(zhì)控員及醫(yī)生共同努力，及時發(fā)現(xiàn)病歷中存在的問題，提高病歷書寫質(zhì)量。

4 結(jié)語

系統(tǒng)以大數(shù)據(jù)與人工智能技術(shù)為核心，通過本體模型對電子病歷語義進行分析理解及診療路徑合規(guī)、合理性評估，查找電子病歷缺陷內(nèi)容及標識原因，實現(xiàn)對電子病歷全程質(zhì)量把關(guān)與控制。通過信息技術(shù)在電子病歷質(zhì)控系統(tǒng)中預(yù)設(shè)質(zhì)控規(guī)則及知識圖譜模型匹配，實現(xiàn)質(zhì)量控制自動識別、事前提醒并進行預(yù)警，及時將問題情況反饋臨床醫(yī)師，從而提高電子病歷的及時性與質(zhì)量內(nèi)涵，促進醫(yī)療核心制度的嚴格按規(guī)執(zhí)行，減少病歷質(zhì)量缺陷，提升管理水平[10]。