循證醫(yī)學知識庫的智能預問診系統(tǒng)探究

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了循證醫(yī)學知識庫的智能預問診系統(tǒng)探究范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：在循證醫(yī)學知識圖譜基礎上，將循證醫(yī)學規(guī)則引擎和規(guī)則流作為技術核心，利用人工智能技術構建了預問診推理機制，建立了智能預問診系統(tǒng)，優(yōu)化了診療服務流程，提高了醫(yī)患溝通效率，有效改善了患者就醫(yī)體驗。在防控期間，智能預問診系統(tǒng)既保障了院內(nèi)零感染，又為廣大患者提供了優(yōu)質、便捷、安全的智慧醫(yī)療服務，賦能了疫情新常態(tài)下的智慧醫(yī)療新發(fā)展，開創(chuàng)了“互聯(lián)網(wǎng)＋醫(yī)療健康”服務新模式。

關鍵詞：智能預問診；人工智能；臨床輔助決策；循證醫(yī)學；

0引言

隨著國內(nèi)疫情的有效控制，疫情防控已進入新常態(tài)，醫(yī)院既要為廣大市民提供良好的就醫(yī)服務，第一時間診治患者，又要實現(xiàn)院內(nèi)零感染，責任與壓力并重。隨著人工智能技術的快速發(fā)展，以及智能科技與醫(yī)學的交叉融合，探索與健康中國相適應的新型醫(yī)療服務模式，構建以現(xiàn)代科技手段賦能全生命周期各個環(huán)節(jié)的新型健康服務體系，建立全流程的健康服務變得勢在必行，特別是在疫情防控常態(tài)化新形勢下，醫(yī)療機構勢必全面擁抱互聯(lián)網(wǎng)，快速進入智慧轉型“深水區(qū)”。2020年，國家衛(wèi)健委接連文件［1－3］，強調要充分發(fā)揮互聯(lián)網(wǎng)優(yōu)勢，把防控工作落實、落細、落到位；充分發(fā)揮信息化在創(chuàng)新診療模式、提升服務效率、促進人員安全有序流動等方面的支撐作用。如何有效利用互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、5G等新興技術，在確保院內(nèi)零感染的基礎上，給廣大患者提供優(yōu)質、便捷、安全的智慧醫(yī)療服務已成為當前各公立醫(yī)院全面貫徹落實關于堅決打贏疫情防控阻擊戰(zhàn)亟待解決的關鍵問題之一。常規(guī)診療流程主要由掛號、候診、就診、繳費、檢查等組成。如何將疫情防控關口前移，將患者原先需要在醫(yī)院才能完成的流程，借助互聯(lián)網(wǎng)技術能夠在家里完成，減少醫(yī)院現(xiàn)場就診時間，避免大量人群聚集帶來的交叉感染風險就顯得尤為重要。國外人工智能應用在醫(yī)療服務領域起步較早［4－5］，2015年，IBM“沃森”僅用時10分鐘就為一名女性病人精準診斷出白血病，并向相關醫(yī)療機構提出了治療方案。盡管人工智能技術與醫(yī)療服務融合應用在國內(nèi)才剛剛起步，但發(fā)展迅速，從2003年的非典SARS開始，人工智能技術已在疫情監(jiān)測預警領域得到了廣泛應用［6］。與2003年的SARS相比，本次肺炎具有潛伏期更長、傳播傳染性更強、無癥狀攜帶者導致防控難度更大等特點。重慶醫(yī)科大學附屬第一醫(yī)院的胡磊等［7］在人工咨詢基礎上，擴展了基于AI的肺炎自診、健康手冊、熱點問題速查等技術，為多學科線上診療打下了堅實根基。我院將循證醫(yī)學理論與人工智能技術深度融合［8－10］，通過智能預問診系統(tǒng)對在線問診植入AI能力，創(chuàng)新性地將門診服務延伸到診前，通過大眾端人工智能與患者問答的形式，結構化采集患者的基礎信息及病史信息。在防控期間，“互聯(lián)網(wǎng)＋醫(yī)療健康”創(chuàng)新服務模式有效避免了人群聚集，減少了醫(yī)院現(xiàn)場就診時間，大幅降低了肺炎交叉感染概率，提升了醫(yī)患高效溝通效率。

1系統(tǒng)架構圖

智能預問診系統(tǒng)主要分為互聯(lián)網(wǎng)區(qū)域和醫(yī)院內(nèi)網(wǎng)部分，如圖1所示。互聯(lián)網(wǎng)區(qū)域主要是給患者提供手機端服務，患者可以在手機端通過微信小程序形式錄入個人信息；醫(yī)院內(nèi)網(wǎng)主要是實現(xiàn)服務器、存儲、接口服務器等部署。由于系統(tǒng)要對外提供服務，對信息安全要求極高，方案采用網(wǎng)閘對醫(yī)院內(nèi)、外網(wǎng)進行物理隔離，醫(yī)院內(nèi)、外網(wǎng)通過端口映射方式提供外網(wǎng)訪問。通過反向技術NGIX，隱藏了服務器具體位置及信息，實現(xiàn)了負載均衡，提高了系統(tǒng)安全性。

2循證醫(yī)學知識庫

2．1知識組織、標準化

循證醫(yī)學知識客體主要包括收集、整理、分類、過濾、加工、提取、建模等流程。通過建立疾病庫、藥品庫、檢查庫和疾病診治相關的知識庫實現(xiàn)對知識單元的描述和標引，明確知識節(jié)點之間的邏輯關系。建立疾病名稱、疾病診療、藥物體系、檢查體系等區(qū)域醫(yī)學知識庫，規(guī)范診療行為，提高醫(yī)療質量。對診療行為全流程動態(tài)監(jiān)控，輔助醫(yī)生臨床決策，減少漏診、誤診。

2．2基于知識庫的臨床支持模型

2．2．1疾病數(shù)據(jù)庫。包括各專科疾病譜信息，例如疾病名稱、診斷、病因、并發(fā)癥、流行病學、檢驗檢查、其他輔助檢查等信息。2．2．2藥品數(shù)據(jù)庫。包括藥品所有詳細信息，例如藥品商品名稱、通用名稱、配伍禁忌、適應癥、禁忌癥、注意事項、用法用量、不良反應等信息。2．2．3檢驗檢查數(shù)據(jù)庫。包括各類檢驗檢查項目信息，例如名稱、臨床作用、不良反應、是否空腹、正常值等信息。2．2．4循證醫(yī)學數(shù)據(jù)庫。包括臨床指南、診療評價和臨床基礎研究，其中臨床基礎研究包括對照臨床實驗、非對照臨床實驗、隨機對照實驗、非隨機對照實驗、病理分析及橫斷面研究等信息。2．2．5臨床輔助診斷主要提供輔助診斷治療，根據(jù)病人的癥狀，通過智能輔助診斷決策引擎，推斷出患者的疑似診斷，提供鑒別診斷的檢驗、檢查項目，在醫(yī)生確診后提供合適的治療方案供醫(yī)生參考。

3關鍵技術

3．1循證醫(yī)學標準

臨床醫(yī)療服務是嚴謹?shù)?、專業(yè)的，需要有一套國家標準作為服務的基礎，因此首先對國際上、國家衛(wèi)健委、中華醫(yī)學會、各醫(yī)學專委會等的指南、路徑、規(guī)范等相關醫(yī)學標準進行收集、整理，結合最新的信息化、人工智能，建立結構化、關聯(lián)化、智能化的臨床決策模型，再按照臨床診療診前、診中、診后實際場景的需求，按照不同病種的實際問題及患者回答的答案，實時動態(tài)生成預問診問題，模擬臨床醫(yī)生問診，全面收集主訴、現(xiàn)病史、既往史、家族史、過敏史等信息，通過系統(tǒng)的智能診斷模型，初步給出5個疑似診斷，系統(tǒng)再結合以上信息為醫(yī)生推薦鑒別診斷需要的檢驗、檢查項目，在醫(yī)生確診后，系統(tǒng)推薦國家標準治療方案供醫(yī)生參考。

3．2醫(yī)學術語

醫(yī)學專業(yè)術語對于普通大眾來說是一個難題，系統(tǒng)通過手機患者醫(yī)療常用的俗語建立俗語與專業(yè)術語的關聯(lián)庫，在終端以通俗化用語呈現(xiàn)，輔助提供圖文、音視頻輔助患者對問題正確地理解并做出準確的回答?；颊咛峁┫到y(tǒng)的問題和答案都是采用簡練的詞語，針對單獨的詞語怎樣組成一份完整的病歷（類似醫(yī)生書寫的病歷），系統(tǒng)對于患者的結構化錄入后臺有一套語言組裝模型，可以自動生成一份完整病歷，可以一鍵快速導入到病歷系統(tǒng)。

3．3人工智能

系統(tǒng)采用基于TensorFlow的深度學習框架，基于機器學習、人工智能和自然語言處理NLP等技術，通過對海量循證醫(yī)學標準進行深度挖掘和學習，形成智能化問診模型及智能輔助診斷模型，并進行推理運算將后期臨床經(jīng)驗豐富的專家經(jīng)驗提煉成AI深層神經(jīng)網(wǎng)絡模型算法，將循證醫(yī)學與本地化特色經(jīng)驗相結合。在遵循醫(yī)學規(guī)律的前提下結合醫(yī)學業(yè)務邏輯，設計不同的決策模型，如藥效評估模型、病史采集模型、手術方案決策模型等。通過使用統(tǒng)計學和機器學習方法，結合醫(yī)學數(shù)據(jù)源的特點通過真實臨床數(shù)據(jù)、樣本數(shù)據(jù)對原始模型進行訓練、評估、糾錯多維度符合提升系統(tǒng)的智能化。（1）決策樹歸納推薦算法醫(yī)療數(shù)據(jù)的挖掘技術旨在從海量醫(yī)療數(shù)據(jù)中提取有效的模型、關聯(lián)、規(guī)則、變化以及普遍的規(guī)律，加速醫(yī)生決策診斷和提高其決策診斷的準確度，決策樹算法目前是應用最為廣泛的歸納推理算法之一。智能預問診系統(tǒng)正是基于循證醫(yī)學知識庫結合決策樹歸納算法對病人的病癥進行分類預測以及數(shù)據(jù)分析。（2）貝葉斯定理貝葉斯定理是統(tǒng)計學中非常重要的一個定理，智能預問診系統(tǒng)基于循證醫(yī)學知識模型應用貝葉斯定理來保證醫(yī)療診斷過程的有效性，對于新的實例的預測和預警都有很好的使用效果。（3）神經(jīng)網(wǎng)絡智能預問診系統(tǒng)底層基礎醫(yī)學邏輯基于循證醫(yī)學標準利用類似于AlphaGo的神經(jīng)網(wǎng)絡算法模式，構建一個醫(yī)療界的AlphaGo，構建的前提是快速訓練，可擴展。

3．4大數(shù)據(jù)平臺

智能預問診系統(tǒng)在臨床應用一段時間后，會產(chǎn)生大量的病歷數(shù)據(jù)可以用于后續(xù)的臨床研究。通過建立分布式大數(shù)據(jù)平臺，將院內(nèi)所有的數(shù)據(jù)實現(xiàn)統(tǒng)一集成、統(tǒng)一存儲、統(tǒng)一管理，形成數(shù)據(jù)資產(chǎn)。通過大數(shù)據(jù)的數(shù)據(jù)建模、結構化處理、知識庫建模、語義分析、基礎庫建設、專題庫建設等技術，實現(xiàn)數(shù)據(jù)的研究分析，為醫(yī)教研提供數(shù)據(jù)支撐。系統(tǒng)存儲架構如圖2所示。系統(tǒng)后臺采用Hadoop分布式文件系統(tǒng)HDFS存儲海量的結構化及半結構化數(shù)據(jù)，針對醫(yī)療數(shù)據(jù)查詢分析的實時性和延時需求，對于實時性要求較高的需要采用Storm內(nèi)存流式計劃框架進行實時數(shù)據(jù)分析，對于離線數(shù)據(jù)采用Ha－doopMapReduce計算框架，例如大量的醫(yī)療病歷數(shù)據(jù)。平臺主要以Hadoop2．0技術框架為基礎，采用Ubuntu16．04系統(tǒng)，由8臺華為E5－2699服務器組成數(shù)據(jù)管理平臺，每臺服務器內(nèi)存16×16GDDR42400MHz，機身自帶硬盤1塊1200GPCI－ESSD盤，2塊300GB2．5寸≥10Krpm工業(yè)級硬盤，9塊4TBSATA盤，總存儲容量近300T。醫(yī)療數(shù)據(jù)主要來源于臨床指南、臨床路徑、診療規(guī)范、診斷學、臨床用藥指南、檢驗檢查指南等相關的循證醫(yī)學標準以及本院臨床實例。存在形式主要分為半結構化和非結構化數(shù)據(jù)。數(shù)據(jù)通過初級轉化存入HDFS中，結構化數(shù)據(jù)通過序列化后存入HDFS中，不能夠序列化的數(shù)據(jù)，通過數(shù)據(jù)整理后統(tǒng)一存放在分布式數(shù)據(jù)庫環(huán)境中，再經(jīng)過序列化后放入HDFS中。數(shù)據(jù)處理是對收集到的數(shù)據(jù)進行加工整理，形成適合數(shù)據(jù)分析的數(shù)據(jù)資產(chǎn)，例如對非結構化、半結構化醫(yī)療數(shù)據(jù)經(jīng)過數(shù)據(jù)的抽取、清洗、過濾、轉換、加載等，并在數(shù)據(jù)處理過程中，剔除重復數(shù)據(jù)、補充缺失數(shù)據(jù)、處理格式不統(tǒng)一數(shù)據(jù)等，最終將大量雜亂無章難以理解的數(shù)據(jù)推導出有效數(shù)據(jù)，建立各種決策模型。

4應用效果

預問診系統(tǒng)采用了醫(yī)院與深圳某軟件企業(yè)聯(lián)合開發(fā)模式，由系統(tǒng)架構師、軟件設計師、需求分析師和臨床醫(yī)生等不同角色人員組成了8人開發(fā)團隊，開發(fā)周期總耗時4個月，于2019年1月在我院選取患者數(shù)量多、陪診家屬也多的兒科進行了智能預問診系統(tǒng)的試點上線工作。截止到目前，系統(tǒng)運行穩(wěn)定，取得了階段性的成果。系統(tǒng)使用前后對比如表1所示。通過使用智能預問診系統(tǒng)前后對比可以明顯看出，一方面醫(yī)生能夠提前全面掌握患者病情，將門診醫(yī)生從大量繁瑣的病歷書寫中解放出來，轉而投入到更有價值的診療服務中，把時間留給患者；另一方面，在幫助臨床醫(yī)生提高服務上限的同時減少患者在醫(yī)院就診時間，避免了大量人群聚集帶來的交叉感染風險，幫助醫(yī)院管理者守住了安全底線，增加了醫(yī)患溝通時間，有效改善了醫(yī)患關系，提升了患者就醫(yī)體驗。

5總結

通過使用智能預問診系統(tǒng)，我院將門診服務前移，優(yōu)化了診療流程，患者在診前就可以參與到診療過程，延長了醫(yī)患高質量有效溝通時間，降低了誤診率，提高了患者滿意度，構建了和諧的醫(yī)患關系。在防控期間，有效避免了大量人群聚集帶來的交叉感染風險，既確保了院內(nèi)零感染，醫(yī)院門診業(yè)務量又穩(wěn)中有升，圓滿完成了黨和政府賦予的時代使命，革新了傳統(tǒng)診療服務流程，開創(chuàng)了“互聯(lián)網(wǎng)＋醫(yī)療健康”服務新模式。

作者:曹茂誠 胡莉 單位:深圳市寶安區(qū)人民醫(yī)院