专注于人工智能医疗前沿技术,深耕电子病历后结构化,欢迎与我们探讨人工智能前沿技术,可点击个人主页了解更多详情文章

2018年,为全面实施健康中国战略,落实《国务院办公厅关于促进“互联网+医疗健康”发展的意见》,国家持续推进以电子病历为核心的医疗机构信息化建设,发布了《关于进一步推进以电子病历为核心的医疗机构信息化建设工作的通知》通知明确指出加强电子病历的质量控制和评价,通知指出:

医疗机构要利用电子病历信息系统开展医疗服务质量控制、效果和效率指标的统计分析和评价。建立质量控制信息化指标系统,确立质控节点和方法,实施全程、实时、全面医疗质量控制。开展医疗管理相关检查和医疗机构评审评价工作应当充分利用电子病历信息系统,通过线上或线下,标准端口或插件采集数据,远程分析评价,实现“四减少一提高”,即减少现场检查专家数量、现场检查内容、现场检查时间、现场人为干扰和提高检查结果真实可靠性。

“助力电子病历后结构化系统”能帮助医院充分利用现有的电子病历数据,对现有的病历数据进行结构化处理并提取关键内容进行分析;同时,还可实现电子病历自动质控的功能,轻松提升电子病历的应用等级。

实例演示(来自系统截屏):自然语言描述的病历文本导入系统文本框中
电子病历自动质控-电子病历评级质控平台_第1张图片

得到以下解析结果:­­

电子病历自动质控-电子病历评级质控平台_第2张图片

快速将各类临床医疗电子文书进行解析,提取文书中的关键数据。包含出院小结、病程录、检查报告、护理记录…… ,识别不同厂商、不同科室、表达方式各不相同的病历文本。

电子病历计算机自动质控的难点是:理解人类的语言对于计算机而言是一项非常艰巨的任务,这也造成大量电子病历数据“人可读,机不可读”。而且各类医疗文本的内容各不相同,如:出院小结、病程录、护理记录等文书的关注点迥异,即便是同一病历文书,由各厂商的电子病历信息系统生成的差异也很大。这就造成了同一病历文书的跨系统互认都有困难,而跨病历文书之间的信息整合与校验则更是难以实现。

所以我们运用人工智能领域最新技术,对双向循环神经网络、条件随机场等算法进行了进一步改进,创造性的实现了通过融合多个模型进行结构化拆分的方法。 同时还要构建大规模的医疗语料知识库,请医疗专业团队进行语义标注。通过多模型融合技术和大规模标注语料库,算法的准确程度和分拆的专业可信程度才能得到显著的提升。