上海市胸科醫(yī)院（上海交通大學(xué)附屬胸科醫(yī)院） 信息中心，上海 200030

引言

近幾年來，由于檢查設(shè)備性能的提升和患者人數(shù)的增加，許多大型醫(yī)院的檢查科室運(yùn)轉(zhuǎn)已達(dá)到滿負(fù)荷狀態(tài)。上海市胸科醫(yī)院作為診治胸部疾病為主的三級(jí)甲等專科醫(yī)院，2019年檢查人次已達(dá)70萬。而且受到檢查工作流程及環(huán)境等因素的影響，醫(yī)生在檢查時(shí)無法同步錄入診斷報(bào)告，如B超檢查、病理取材時(shí)，醫(yī)生因使用儀器而難以兼顧鍵盤錄入；放射閱片場(chǎng)景下，讀片醫(yī)生的注意力主要集中于對(duì)影像的觀察分析上，鍵盤輸入容易導(dǎo)致注意力分散。因此，大部分醫(yī)生需要通過事后回憶性錄入或配備助手協(xié)助轉(zhuǎn)錄的方式完成報(bào)告撰寫。據(jù)日本一項(xiàng)研究指出，74%的醫(yī)生認(rèn)為現(xiàn)行鍵盤錄入的交互方式對(duì)診療工作產(chǎn)生了負(fù)面影響，包括工作效率降低、科室人力成本增加等[1-3]。因此，如何優(yōu)化現(xiàn)有醫(yī)技科室的工作模式，在實(shí)現(xiàn)診療效率提升的同時(shí)減輕臨床工作壓力，是當(dāng)前醫(yī)院發(fā)展中亟待解決的重要問題之一。

隨著人工智能技術(shù)的日益成熟，人工智能與醫(yī)療健康領(lǐng)域的融合也在不斷加深。智能語音識(shí)別作為人工智能技術(shù)之一，在輔助醫(yī)生病歷書寫、報(bào)告錄入方面應(yīng)用效果良好[2]。Blackley Suzanne指出美國多家醫(yī)院放射科運(yùn)用Nuance公司的醫(yī)療語音識(shí)別系統(tǒng)后，醫(yī)生報(bào)告錄入的時(shí)間縮短為原來的五分之一[4]。西班牙布宜諾斯艾利斯醫(yī)院對(duì)移動(dòng)環(huán)境中的語音識(shí)別技術(shù)進(jìn)行探索，識(shí)別率達(dá)到94.1%[5]。雖然我國對(duì)該領(lǐng)域的研究起步較晚，但發(fā)展迅速。根據(jù)世界產(chǎn)權(quán)組織近期開展的一項(xiàng)研究表明，中國的大學(xué)在人工智能，尤其是語音識(shí)別領(lǐng)域的創(chuàng)造發(fā)明顯示出強(qiáng)勁發(fā)展勢(shì)頭。工信部于2017年出臺(tái)了《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動(dòng)計(jì)劃(2018-2020年)》，其中明確支持發(fā)展智能語音識(shí)別交互系統(tǒng)[6]。

因此，本研究以上海市胸科醫(yī)院為背景，將智能語音識(shí)別技術(shù)作為切入點(diǎn)，構(gòu)建醫(yī)技報(bào)告交互系統(tǒng)。通過與醫(yī)技檢查流程的緊密結(jié)合，實(shí)現(xiàn)檢查全程無接觸式語音輸入，使得醫(yī)生可以正確、高效地撰寫報(bào)告，并且對(duì)其應(yīng)用情況進(jìn)行研究分析，為語音識(shí)別技術(shù)在中文醫(yī)療領(lǐng)域的應(yīng)用提供參考依據(jù)。

1 技術(shù)原理

語音識(shí)別是指將人類說話的聲波轉(zhuǎn)換成可識(shí)別的文本信息，這項(xiàng)技術(shù)的重點(diǎn)在于如何使計(jì)算機(jī)聽懂人類的語言[7]。本研究所設(shè)計(jì)的醫(yī)技報(bào)告交互系統(tǒng)根據(jù)中文醫(yī)療領(lǐng)域相關(guān)標(biāo)準(zhǔn)及場(chǎng)景，定制專業(yè)模型實(shí)現(xiàn)語音信號(hào)的識(shí)別及轉(zhuǎn)換，從而輸出文本結(jié)果，具體流程見圖1。

圖1 語音識(shí)別流程框架

醫(yī)生的語音通過麥克風(fēng)輸入后，先經(jīng)過分幀、預(yù)加重等預(yù)處理操作后轉(zhuǎn)成數(shù)字信號(hào)，再利用端點(diǎn)檢測(cè)、噪音消除模塊進(jìn)行處理，以確定語音起始及結(jié)束位置，并進(jìn)一步消除由語音采集設(shè)備等外界環(huán)境因素引起的信號(hào)干擾[8]。接著將處理過的信號(hào)傳入特征提取模塊，把能有效反映語音特征的信息轉(zhuǎn)化成一組離散型矢量序列，壓縮封裝后傳送至識(shí)別引擎，開始語音識(shí)別搜索[9]。

識(shí)別引擎作為整個(gè)系統(tǒng)的中樞，分為醫(yī)療環(huán)境聲學(xué)模型、醫(yī)療語言模型、識(shí)別字典三個(gè)部分。醫(yī)療環(huán)境聲學(xué)模型基于隱馬爾可夫模型（Hidden Markov Models, HMM）構(gòu)建，通過采集醫(yī)技科室真實(shí)音頻數(shù)據(jù)，對(duì)模型進(jìn)行自適應(yīng)訓(xùn)練[10]。由于音頻中包含了真實(shí)醫(yī)療環(huán)境中的噪聲、采集設(shè)備噪聲及醫(yī)生個(gè)體發(fā)音習(xí)慣，因而訓(xùn)練出的模型更加符合實(shí)際應(yīng)用場(chǎng)景，極大地增強(qiáng)了該模型的識(shí)別性能。識(shí)別字典則由指令動(dòng)作庫和標(biāo)準(zhǔn)醫(yī)學(xué)詞語庫組成，既包含了報(bào)告創(chuàng)建、保存等動(dòng)作類操作指令，也涵蓋了ICD10、SNOMED等醫(yī)學(xué)領(lǐng)域的標(biāo)準(zhǔn)診斷及術(shù)語，有效解決了通用語音識(shí)別系統(tǒng)無法識(shí)別醫(yī)學(xué)專業(yè)詞匯的問題[11-12]。醫(yī)療語言模型主要負(fù)責(zé)句子的構(gòu)成，能夠結(jié)合語法、上下文結(jié)構(gòu)等要素來判定不同詞匯之間的聯(lián)結(jié)關(guān)系，從而將識(shí)別出的詞語最終組合成句[13]。為提高該模型的適用性，前期導(dǎo)入了醫(yī)技報(bào)告數(shù)據(jù)進(jìn)行訓(xùn)練，以使其返回結(jié)果時(shí)能夠優(yōu)先輸出專業(yè)相關(guān)結(jié)果。

經(jīng)過識(shí)別引擎處理后的數(shù)據(jù)將傳入語義理解模塊，該模塊是基于醫(yī)技科室報(bào)告錄入場(chǎng)景進(jìn)行語義定制，能夠根據(jù)實(shí)際應(yīng)用場(chǎng)景及內(nèi)置醫(yī)學(xué)知識(shí)庫對(duì)結(jié)果進(jìn)行語義分析，從而理解醫(yī)生意圖，以達(dá)到優(yōu)化識(shí)別結(jié)果的目的。至此，系統(tǒng)完成所有語音識(shí)別處理步驟，輸出最終結(jié)果。

2 功能設(shè)計(jì)

2.1 語音命令

基于系統(tǒng)中預(yù)設(shè)的指令動(dòng)作庫，通過語音代替鼠標(biāo)，與醫(yī)技報(bào)告系統(tǒng)實(shí)現(xiàn)人機(jī)交互。當(dāng)語音通過識(shí)別引擎轉(zhuǎn)化成文本以后，系統(tǒng)根據(jù)上下文語境、關(guān)鍵詞及光標(biāo)位置等因素，綜合判定是否為文本輸出或執(zhí)行具體操作命令[14]。此外，由于醫(yī)技科室業(yè)務(wù)不同，其檢查操作流程也大相徑庭。因此，本系統(tǒng)以科室為單位個(gè)性化定制相應(yīng)的動(dòng)作類語音操作指令，深度貼合檢查操作場(chǎng)景，實(shí)現(xiàn)B超、病理取材等全程非接觸式操作。以病理科為例，針對(duì)取材室的重污染環(huán)境，利用支架顯示器及腳踏板開關(guān)等設(shè)備，使醫(yī)生可以邊取材、邊錄入報(bào)告。首先，通過口述住院號(hào)檢索并選定患者，接著對(duì)該患者的送檢標(biāo)本進(jìn)行取材，在操作的同時(shí)可口述新增材塊命令在系統(tǒng)中依次添加材塊，再通過語音錄入具體取材描述內(nèi)容，取材完成后口述打印包埋盒命令，最后將其儲(chǔ)存歸檔。

圖2 結(jié)構(gòu)化報(bào)告錄入界面

2.2 語音結(jié)構(gòu)化模板

語音錄入模式與現(xiàn)行結(jié)構(gòu)化報(bào)告模板相兼容，實(shí)現(xiàn)結(jié)構(gòu)化節(jié)點(diǎn)的語音自動(dòng)填充，系統(tǒng)界面見圖2。

如圖2所示，醫(yī)生首先通過語音指令調(diào)出相應(yīng)模板，再口述檢查具體數(shù)值，如右腎長(zhǎng)徑10 cm，系統(tǒng)會(huì)自動(dòng)將數(shù)值回填至對(duì)應(yīng)的結(jié)構(gòu)化節(jié)點(diǎn)內(nèi)。該功能使得原有模板可以有效利用，同時(shí)也進(jìn)一步提升了語音錄入模式與現(xiàn)行系統(tǒng)的協(xié)同性。

3 系統(tǒng)評(píng)價(jià)

醫(yī)技報(bào)告交互系統(tǒng)自2019年12月在放射科、病理科上線以來，截至2020年1月底累計(jì)輸入約24.6萬字，統(tǒng)計(jì)情況見圖3。

因考慮到系統(tǒng)對(duì)醫(yī)生工作習(xí)慣影響較大，為保障科室工作平穩(wěn)運(yùn)行，采取了逐步推廣模式安排上線，本研究選擇先期上線的放射CT及MR報(bào)告、病理冰凍及常規(guī)報(bào)告作為應(yīng)用場(chǎng)景進(jìn)行統(tǒng)計(jì)。由圖3可見，經(jīng)過前兩周的培訓(xùn)及適應(yīng)后，從12月16日開始，通過語音輸入的字?jǐn)?shù)明顯增加，后續(xù)幾周一直保持平穩(wěn)增長(zhǎng)態(tài)勢(shì)。最后一周該指標(biāo)下滑，是由于臨近春節(jié)檢查人數(shù)減少，工作量大幅降低所致。

圖3 放射報(bào)告及病理報(bào)告語音輸入字?jǐn)?shù)統(tǒng)計(jì)

為進(jìn)一步了解系統(tǒng)具體運(yùn)行情況，本研究從撰寫冰凍病理報(bào)告的應(yīng)用場(chǎng)景入手，在技術(shù)及應(yīng)用效果兩個(gè)層面對(duì)相關(guān)指標(biāo)進(jìn)行深入統(tǒng)計(jì)及分析。

3.1 技術(shù)評(píng)價(jià)

語音識(shí)別的準(zhǔn)確性與系統(tǒng)可用程度密切相關(guān)，因此采用識(shí)別率作為評(píng)價(jià)指標(biāo)，其計(jì)算公式為[15]：

利用系統(tǒng)采集的語音數(shù)據(jù)，對(duì)上線后1個(gè)月內(nèi)每周的識(shí)別情況進(jìn)行統(tǒng)計(jì)，見表1。

表1 病理科語音識(shí)別率統(tǒng)計(jì)

在系統(tǒng)上線之前，先將1年內(nèi)各類型病理報(bào)告導(dǎo)入進(jìn)行人工智能訓(xùn)練，以確保系統(tǒng)對(duì)病理專業(yè)詞匯的初始識(shí)別率。上線第一周識(shí)別率較低，僅為74.67%，這是由于該系統(tǒng)對(duì)醫(yī)生的工作習(xí)慣有較大改變，運(yùn)行初期尚處于磨合階段。此外，醫(yī)生口音也對(duì)識(shí)別準(zhǔn)確性產(chǎn)生一定影響。從第二周起，識(shí)別單詞數(shù)、識(shí)別率均逐步上升，最后一周識(shí)別率比第一周提高了21.05%，這表明系統(tǒng)通過一段時(shí)間的自適應(yīng)學(xué)習(xí)后，能夠有效克服病理科醫(yī)生的發(fā)音習(xí)慣、說話口音等個(gè)性化差異，系統(tǒng)體驗(yàn)效果得到大幅改善。

3.2 應(yīng)用效果

為評(píng)價(jià)醫(yī)技報(bào)告交互系統(tǒng)的實(shí)際應(yīng)用效果，對(duì)該系統(tǒng)上線前后的相關(guān)指標(biāo)進(jìn)行統(tǒng)計(jì)分析，見表2。

由表2可見，與傳統(tǒng)鍵盤錄入的模式相比，醫(yī)生通過語音錄入報(bào)告更為高效，記錄時(shí)長(zhǎng)有所減少。而在報(bào)告審核方面，語音錄入報(bào)告所需審核時(shí)間則比鍵盤錄入略長(zhǎng)，原因是醫(yī)生疲勞時(shí)容易產(chǎn)生聲調(diào)變化、饒舌等現(xiàn)象，導(dǎo)致語音識(shí)別的準(zhǔn)確性有所降低，因此在審核階段，需要花費(fèi)更多時(shí)間檢查校正。從整體而言，通過語音錄入的報(bào)告周轉(zhuǎn)時(shí)間較短，這是由于該系統(tǒng)的使用實(shí)現(xiàn)了病理科醫(yī)生邊取材、邊錄入報(bào)告的需求，有效縮短了取材時(shí)間，不僅降低了醫(yī)生的工作負(fù)荷，也增強(qiáng)了患者獲取報(bào)告的及時(shí)性。

表2 語音錄入與鍵盤錄入情況對(duì)比

4 結(jié)語

本研究將智能語音識(shí)別技術(shù)與醫(yī)技報(bào)告系統(tǒng)相融合，醫(yī)生通過語音即可實(shí)現(xiàn)醫(yī)技報(bào)告的完整錄入。該系統(tǒng)的應(yīng)用既有助于提高醫(yī)技科室的工作效率，又減少了病人的等待時(shí)間，對(duì)檢查醫(yī)療流程的優(yōu)化起到了積極的作用，未來可陸續(xù)推廣到其余醫(yī)技科室全面應(yīng)用[16-17]，但仍存在一定局限性，比如同時(shí)有多位醫(yī)生使用語音錄入時(shí)，會(huì)造成互相干擾，導(dǎo)致識(shí)別結(jié)果不佳；對(duì)于一些未納入系統(tǒng)的醫(yī)學(xué)詞匯，容易產(chǎn)生識(shí)別錯(cuò)誤[18-19]。因此，如何有效提高醫(yī)療領(lǐng)域語音識(shí)別的準(zhǔn)確率將成為后續(xù)探索和研究的重點(diǎn)。