朱伯堃 張教赟
關(guān)鍵詞:人工智能;醫(yī)療;大數(shù)據(jù)中心
1引言
隨著人工智能技術(shù)的飛速發(fā)展,其逐漸被應(yīng)用到醫(yī)療健康領(lǐng)域,如智能診斷、影像識別等,實現(xiàn)了醫(yī)療診斷服務(wù)一體化建設(shè),對于現(xiàn)代醫(yī)療事業(yè)的發(fā)展有著積極作用。在實際應(yīng)用人工智能技術(shù)的過程中,為保障技術(shù)應(yīng)用的有效性,以及診斷結(jié)果的準(zhǔn)確性和可靠性,提高診斷速度,加強對基于人工智能的醫(yī)療大數(shù)據(jù)中心建設(shè)研究很有必要。
2基于人工智能的醫(yī)療大數(shù)據(jù)中心管理系統(tǒng)應(yīng)用方向
2.1輔助臨床診療
輔助臨床診療是當(dāng)前人工智能技術(shù)在醫(yī)療數(shù)據(jù)中心管理系統(tǒng)中的主要應(yīng)用方向之一。通過對數(shù)據(jù)中心中患者的相應(yīng)病癥資料、數(shù)據(jù)信息以及360°視圖的分析和挖掘,為臨床診斷、治療提供可靠數(shù)據(jù)支持,并輔助決策,不僅有助于減少單一人工診療過程中可能存在的誤診問題,而且有助于提高診療效率,對于降低醫(yī)療風(fēng)險、保障醫(yī)療質(zhì)量有著積極作用[1]。
2.2提升醫(yī)療質(zhì)量
基于醫(yī)療大數(shù)據(jù)中心,構(gòu)建醫(yī)療質(zhì)量控制系統(tǒng),能夠?qū)崿F(xiàn)對醫(yī)療質(zhì)量數(shù)據(jù)的高效提取和分析,并由此展開事前防范、事中提醒以及事后分析,有助于提高醫(yī)療質(zhì)量水平,降低醫(yī)療事故發(fā)生概率。另外,相應(yīng)醫(yī)療質(zhì)量數(shù)據(jù)信息還能夠作為后續(xù)質(zhì)量分析和評價的原始數(shù)據(jù),形成質(zhì)量控制閉環(huán),為后續(xù)醫(yī)療質(zhì)量的優(yōu)化管控提供可靠支持。而且,通過對床位周轉(zhuǎn)率、住院時長等相關(guān)指標(biāo)和數(shù)據(jù)的分析,還能夠有針對性地進行醫(yī)療服務(wù)整改,對于提高醫(yī)院服務(wù)質(zhì)量、提升患者滿意度等有著良好的效果。
2.3支持醫(yī)院運營
基于醫(yī)療大數(shù)據(jù)中心,能夠?qū)崿F(xiàn)對醫(yī)院運營管理數(shù)據(jù)的高效整合和保存管理,其不僅包括醫(yī)護人員視圖信息,還包括績效管理數(shù)據(jù)信息、醫(yī)院設(shè)備資源消耗情況等,能夠幫助醫(yī)院管理人員更加直觀、準(zhǔn)確地了解醫(yī)院運行情況,實現(xiàn)人員、資源以及資產(chǎn)的精細化管理,有助于提升醫(yī)院決策的可靠性以及運營管理水平。
2.4促進科研發(fā)展
醫(yī)療大數(shù)據(jù)還可以為醫(yī)療科研工作提供數(shù)據(jù)支持,實現(xiàn)臨床數(shù)據(jù)的高效整合和提取,有助于提高醫(yī)療及科研工作的效率和質(zhì)量,對于醫(yī)療事業(yè)發(fā)展有著積極意義。同時,醫(yī)療大數(shù)據(jù)中心的建立還能夠?qū)崿F(xiàn)對醫(yī)院數(shù)據(jù)信息的有效整合,提高數(shù)據(jù)利用率,促使數(shù)據(jù)價值得到充分挖掘和發(fā)揮,為智慧醫(yī)院建設(shè)提供良好支持。
3醫(yī)療大數(shù)據(jù)中心架構(gòu)設(shè)計
基于醫(yī)療大數(shù)據(jù)中心的實際應(yīng)用需求,要求該數(shù)據(jù)中心能夠?qū)︶t(yī)院系統(tǒng)后臺中的數(shù)據(jù)信息進行采集、存儲和處理,為醫(yī)療工作的開展以及醫(yī)院運營管理提供基礎(chǔ)數(shù)據(jù)支持[2]。為滿足上述要求,醫(yī)療大數(shù)據(jù)中心架構(gòu)應(yīng)主要包括門戶層、數(shù)據(jù)應(yīng)用層、服務(wù)支持層、數(shù)據(jù)治理層、數(shù)據(jù)層以及業(yè)務(wù)系統(tǒng)層6個層次,如表1所列。
4醫(yī)療大數(shù)據(jù)中心模塊設(shè)計
4.1患者主索引模塊
患者信息和臨床數(shù)據(jù)是醫(yī)療大數(shù)據(jù)中心的主要組成部分,也是模塊設(shè)計中的重點內(nèi)容。但由于各醫(yī)院系統(tǒng)之間存在壁壘,系統(tǒng)架構(gòu)、數(shù)據(jù)格式等差異較大,因此不同醫(yī)院系統(tǒng)之間的患者以及臨床數(shù)據(jù)信息難以有效共享。另外,門診患者與住院患者之間的信息數(shù)據(jù)軸線不同,門診患者是以就診號為就診依據(jù)的,相應(yīng)數(shù)據(jù)信息的存儲方式也是根據(jù)就診號進行歸類保存的,但住院處患者的信息保存是以住院號為基準(zhǔn)的,二者互相割離,難以實現(xiàn)數(shù)據(jù)信息的有效整合。為解決此類問題,在醫(yī)療大數(shù)據(jù)中心模塊設(shè)計的過程中,應(yīng)加強對患者主索引模塊的設(shè)計,以實現(xiàn)患者臨床信息之間的有效互通和共享。在實際進行模塊設(shè)計的過程中,應(yīng)著重加強對以下幾個方面的重視。
(1)建立患者唯一識別性,針對患者住院號與門診號無法關(guān)聯(lián)的問題,將患者身份作為數(shù)據(jù)信息唯一識別參數(shù),以對重復(fù)患者數(shù)據(jù)信息進行有效整合,形成最佳記錄,實現(xiàn)對患者就診、體檢以及住院等相關(guān)系統(tǒng)信息的共享,并在此基礎(chǔ)上生成唯一ID,用于患者信息識別和提取。
(2)針對患者信息建立獨立索引系統(tǒng),以實現(xiàn)對患者信息的單獨管理和索引。
(3)確保系統(tǒng)模塊設(shè)計支持患者、員工多種類型信息的索引、管理以及操作。
(4)要求系統(tǒng)模塊設(shè)計提供批量化數(shù)據(jù)導(dǎo)人和導(dǎo)出功能,實現(xiàn)對原始數(shù)據(jù)信息的索引、提取和分析,并以此構(gòu)建主索引原始庫。
4.2數(shù)據(jù)治理功能模塊
傳統(tǒng)臨床數(shù)據(jù)中心與醫(yī)療大數(shù)據(jù)中心之間存在明顯的差異,如表2所列,給實際人工智能技術(shù)的應(yīng)用帶來了極大困難。而數(shù)據(jù)治理功能的主要作用在于實現(xiàn)對醫(yī)療數(shù)據(jù)信息的有效整合和處理,借助人工智能技術(shù),提升數(shù)據(jù)集成度、強化數(shù)據(jù)收集的目的性,實現(xiàn)數(shù)據(jù)結(jié)構(gòu)化、標(biāo)準(zhǔn)化以及規(guī)范化轉(zhuǎn)變,降低后續(xù)數(shù)據(jù)處理成本,為人工智能技術(shù)的應(yīng)用以及數(shù)據(jù)價值挖掘提供便利[3]。
4.2.1自然語言處理
醫(yī)院運營過程中會生成大量的病歷,為確?;颊吣軌蛎鞔_就診結(jié)果以及后續(xù)治療方式,病歷中會包含大量文書內(nèi)容,不利于醫(yī)療數(shù)據(jù)的提取,因此,需要對此類醫(yī)學(xué)自然語言進行處理,將其轉(zhuǎn)化為能夠統(tǒng)一管理、存儲的醫(yī)療數(shù)據(jù)信息。同時,需要利用人工智能技術(shù),結(jié)合醫(yī)院文本以及醫(yī)學(xué)術(shù)語,借助機器學(xué)習(xí)方法,針對醫(yī)學(xué)文本,建立自然語言處理模型,以實現(xiàn)對病歷文本信息的有效提取和處理,提升醫(yī)學(xué)自然語言的標(biāo)準(zhǔn)化、規(guī)范化水平。在此過程中,可應(yīng)用的人工智能技術(shù)包括監(jiān)督式、非監(jiān)督式以及遷移式機器學(xué)習(xí)方法,通過分詞、詞性標(biāo)記、句法分析以及失序解析、變量匹配等方式,實現(xiàn)醫(yī)學(xué)自然語言的有效轉(zhuǎn)化。
4.2.2術(shù)語標(biāo)準(zhǔn)化治理
醫(yī)學(xué)術(shù)語內(nèi)容廣泛、種類繁多,因此其標(biāo)準(zhǔn)化處理難度相對較高。因此,在實際進行醫(yī)療大數(shù)據(jù)中心建設(shè)的過程中,可通過智能算法建立醫(yī)學(xué)術(shù)語標(biāo)準(zhǔn)化治理模型,以實現(xiàn)診斷、藥品等醫(yī)學(xué)術(shù)語的歸一處理。醫(yī)學(xué)術(shù)語標(biāo)準(zhǔn)化治理系統(tǒng)應(yīng)包含知識庫、找回層和排序?qū)?個主要結(jié)構(gòu)。值得注意的是,在實際進行標(biāo)準(zhǔn)化治理系統(tǒng)構(gòu)建的過程中,應(yīng)考慮到醫(yī)學(xué)術(shù)語中存在大量較高相似度的表達詞語,如哮喘、哮喘性等,為避免由此引發(fā)的醫(yī)學(xué)術(shù)語標(biāo)準(zhǔn)化治理效果不佳的問題,在實際進行系統(tǒng)設(shè)計的過程中,應(yīng)在知識庫中設(shè)置自動知識沖突檢測功能,借助人工智能技術(shù),實現(xiàn)對表達沖突詞匯的智能檢測,并自動選擇最佳表達方式。
4.2.3數(shù)據(jù)質(zhì)量核查
為保障數(shù)據(jù)的時效性、完整性以及精準(zhǔn)性,還需要對數(shù)據(jù)質(zhì)量進行檢查,借助平臺數(shù)據(jù)質(zhì)量監(jiān)控功能和規(guī)則庫,對數(shù)據(jù)質(zhì)量進行檢驗,并根據(jù)問題程度和級別,進行預(yù)警,促使相關(guān)操作人員能夠及時進行數(shù)據(jù)處理和整改,以保障數(shù)據(jù)質(zhì)量。數(shù)據(jù)質(zhì)量核查需要融人數(shù)據(jù)治理全流程中,以更好地保障數(shù)據(jù)治理過程中數(shù)據(jù)信息的準(zhǔn)確性。在治理前期,需要使用質(zhì)量監(jiān)測工具,對數(shù)據(jù)進行初步分析:在治理過程中,應(yīng)借助人工智能技術(shù),對數(shù)據(jù)進行清洗,篩選出不符合條件要求的數(shù)據(jù)信息,并進行人工處置;在治理完成后,應(yīng)對相應(yīng)拆分字段進行質(zhì)量校驗,確保數(shù)據(jù)信息的可應(yīng)用性。
4.3智能化系統(tǒng)模塊
智能化數(shù)據(jù)系統(tǒng)模塊的主要功能為實現(xiàn)數(shù)據(jù)的抽取、轉(zhuǎn)換和加載。應(yīng)充分結(jié)合醫(yī)療大數(shù)據(jù)中心實際情況、數(shù)據(jù)庫類型以及數(shù)據(jù)特點,開發(fā)相應(yīng)數(shù)據(jù)庫引擎,以保障數(shù)據(jù)抽取處理的有效性。在此過程中,需要注意以下要點:(1)數(shù)據(jù)抽取組件的配置和設(shè)計,應(yīng)根據(jù)數(shù)據(jù)抽取邏輯進行選取,以確保相應(yīng)組件的選取能夠滿足不同業(yè)務(wù)需求,保障系統(tǒng)的智能化效果;(2)合理進行作業(yè)管理系統(tǒng)設(shè)計,根據(jù)不同數(shù)據(jù)處理功能的優(yōu)先級進行排布,科學(xué)設(shè)置作業(yè)日寸間,提升系統(tǒng)應(yīng)用性能,保障系統(tǒng)運行的高效性和可靠性;(3)進行可視化模塊設(shè)計,將任務(wù)配置情況以可視化方式展示出來,以保障系統(tǒng)運行情況更加直觀;(4)最后進行日志跟蹤設(shè)計,確保數(shù)據(jù)抽取、轉(zhuǎn)換以及加載過程能夠得到全程跟蹤記錄,保障數(shù)據(jù)質(zhì)量。
4.4元數(shù)據(jù)管理模塊
元數(shù)據(jù)主要用于體現(xiàn)數(shù)據(jù)信息基本情況或者某方面特征,對數(shù)據(jù)的準(zhǔn)確性和完整性有著直接影響。設(shè)計元數(shù)據(jù)管理模塊的主要是為了明確數(shù)據(jù)來源,便于進行數(shù)據(jù)屬性的分析,一旦后續(xù)數(shù)據(jù)處理、治理流程出現(xiàn)問題,能夠及時找到元數(shù)據(jù),并展開對比分析,明確問題所在,保障醫(yī)療大數(shù)據(jù)中心建設(shè)的可靠性[4]。
5結(jié)束語
基于人工智能的醫(yī)療大數(shù)據(jù)中心設(shè)計與建設(shè),更加強調(diào)數(shù)據(jù)信息的準(zhǔn)確性、完整性以及可靠性,有效提升了數(shù)據(jù)處理、應(yīng)用的智能化水平和效率,也有效保障了數(shù)據(jù)的標(biāo)準(zhǔn)化和規(guī)范化。在實際進行大數(shù)據(jù)中心設(shè)計的過程中,應(yīng)從數(shù)據(jù)中心應(yīng)用需求角度,展開中心架構(gòu)和模塊功能的設(shè)計,合理應(yīng)用機器學(xué)習(xí)等人工智能技術(shù),全面提升醫(yī)療大數(shù)據(jù)建設(shè)水平。