结构化电子病历的劣势可以靠人工智能病历数据后结构化弥补

电子病历后结构化病历质控微信wxid123765fg

电子病案是医院综合信息系统的重要组成部分,为推进病案大数据建设,我国出台了一系列政策,鼓励病案的结构化、标准化,实现病案数据的互联互通。下面我们来谈一下结构化电子病历的优缺点。
首先说一下优点。
一、有利于各环节的质量控制
在电子病历实施之前,病案质量控制是由基本质量控制、环节质量控制和终末质量控制三个部分组成的手工作业。基本质控管理包括质控标准的制定、质控组织体系等;环节质控则指病案形成过程中的质量控制,包括每周质控查房和科室质控组的有效运作,是质控中的重要环节;终期质量控制一般指专家评审,其作用主要是为环节质控提供质控侧重点,并对医院医疗/病案质量状况进行评估。
二、有利于病案书写的规范化
医院医疗质量管理部门在推行住院电子病历后,对电子病历的质量控制提出了新的要求:要求医疗机构按照本省的病历书写规范和本院的评分标准,实现系统自动预警和超时自动扣分功能,实现对入院、转科、出院、手术、重病、危重、死亡、特殊身份等患者的监控,每个诊疗工作站系统都与病历质量控制系统相连接。
三、有利于病案管理各个环节的互动
构建电子病案管理系统,通过建立一套完整、严密的信息反馈机制,实现病案的发送、传递、接收、处理、反馈等功能,实现病案信息反馈的全过程。在建立病历书写质量控制标准的基础上,系统实现了环节质量控制和终末质量控制两大系统功能。每一个临床工作站系统包括住院医学生站、手术麻醉系统、病区护士站等系统,这些系统都有内部接口。
环节质量控制包括“重点病人监控、病历表书写时间质控、病历表书写部分内容质控、病历表复核通知”四个方面;终末质量控制包括“系统自动扣分,专家手工评分”两个方面。
再说说缺点
一、 电子病历格式很难统一。在很多基层单位,电子病历还没有得到立法的支持,也没有统一的标准。各个厂商所使用的医疗记录文件种类繁多,电子医疗记录文件可能包含完全不同的格式。不同的电子病案格式,其数据组合可能有很大差异。例如,有些电子病历的主诉、病史、既往史等字段写在一起,而有些则是分开的;另外,大多数病历的诊断、检查、化验报告等文件结构化程度较高,而主诉、临床表现、诊断、病程录、治疗过程内容等结构化程度较低。由于上述原因,导致科室之间无法数据共享,降低了医院的信息化水平。
二、 结构化电子病历影响医生思维。电子病案是体现医生诊断和治疗思想的重要文书,每一位医生都有其独特的病案书写习惯,如果使用固定的模板,就会严重影响医生的思维。并且各科各种病症、各种病案千差万别,如果不能套用一个固定的病历格式,就会产生“克隆”病案、简化病案资料的现象。
所有说,与其为了解决医院不同科室的病历互动、互通、互换,简单地结构化电子病历模版,不如让医生按自己习惯的方式,不影响效率的情况下,让计算机解读自然语言描述的病历,
后台对自由化输入的电子病历文档进行结构化处理,自动的、智能化的从电子病历中提取关键词,兼容了自由化输入与结构化存储的长处。

展开查看详情

1.电子病历后结构化 平 台 介 绍 / A I 助 力 医 疗

2.什么是电子病历后结构化? 电子病历后结构化,即电子病历数据 建构工具,能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…… 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。

3.电子病历后结构化-评级的刚性需求 2020年,所有三级医院要达到分级评价4级以 电子病历评级4级要求全院信息共享,越往后 上,二级医院要达到分级评价3级以上 越注重数据对医疗的智能化的支撑作用。因 而对电子病历信息数据的提取要求越高,颗 0级:未形成电子病历系统。 粒度越细,甚至拆分到词汇,唯有这样的数 1级:独立医疗信息系统建立。 据信息才能更好地被统计、分析、查找和再 2级:医疗信息部门内部交换。 3级:部门间数据交换。 利用 4级:全院信息共享,初级医疗决策支持。 5级:统一数据管理,中级医疗决策支持。 电子病历后结构化系统,无论再细的数据颗 6级:全流程医疗数据闭环管理,高级医疗决 粒度也能自动提取,从容地应对评级 策支持。 7级:医疗安全质量管控,区域医疗信息共享。 8级:健康信息整合,医疗安全质量持续提升。

4.电子病历后结构化的技术难度 医疗智能化离不开电子病历后结构化系统,电 子病历的结构化是医疗信息化发展的一个重要 环节,是打通医疗信息化壁垒,医疗数据互联 互通的必由之路 然而,电子病历结构化面临着两大技术难点:

5.难度一:电子病历的输入问题 • 电子病历是体现医生诊治思路的重要文 两种输入汉字方法的比较 书,每位医生都有自己独特的病历书写 急性阑尾炎的主诉为例 习惯,如果采用固定的模板选项,则会 • 自由化输入(包括拷贝复制法输入): 严重影响医生的思维,而非结构化的自 右下腹持续性疼痛4小时 然语言描述又很难被计算机识别。如何 • 选择性录入: 选择疼痛部位“右下腹、右上腹、脐下…”; 能从“医生看懂”提升到“计算机能看懂”, 选择疼性质“持续性、转移性、…”; 需要计算机在浩如烟海的医疗知识中进 选择疼痛种类“疼痛、刺痛、剧痛…”; 行学习,才能全面、准确的理解电子病 选择疼痛时间“1、2、3、4….” 选择时间单位“年、月、日、小时…” 历中描述的内容。

6.难度二:文档格式多样性问题 • 各厂商研制的病历文档的类别多种多样,格式迥异;同时 各类医疗文本格式也不尽相同,如病程录、治疗过程、巡 查记录、化验单、入院记录等信息。格式不同,数据组合 也会有很大的差别 • 如何能让计算机根据病历内容来深度语义理解,来抽取出 相应的知识点,是计算机训练的重要课题

7.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。 同时还构建了大 规模的医疗语料知识库,并聘请医疗专业团队进行语义标注。得益于多模型融合技术和 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都得到了显著的提升 我们的后结 我们的后结构化产品能识别不 构化平台技 同厂商、不同科室、表达方式 术优势 各不相同的病历文本

8.采用Transformer结合CRF 构建通用的智能电子病历后结构化平台 我们的电子病历后结构化平台,以大量临床数据为基础,采用全新的人工智能技术,建立不同的电 子病历结构化模型,构建了通用的医疗电子文书解析平台 多模型结合 用大量语料对算法模型进行训练 人 工 智 能 后结构化算法模 大规模电子病历 技 专业化语料标注 术 型 数据集 应 用 医院临床病历数据库

9.人工智能自然语言处理技术的全新的模 BiLSTM(双向循环神经网络)的引入,解决了同 时考虑上下文信息的问题,而CRF(Conditional Random Fields,条件随机场)的引入则对标签的 预测建立了约束条件,从而可以体现出标签之间 相互影响的关系。 实践中,CRF应用在BiLSTM的顶层,即把BiLSTM 的输出作为CRF的输入。这样就得到了当前最流 行的方法:BiLSTM结合CRF算法。其中,BiLSTM 的作用是感知;而CRF能学习上下文信息,结合 输出层结果和标签序列的全局概率,预测出最大 概率的标签序列。

10.人工智能自然语言处理技术的全新的模 我们在此基础上进行了进一步的改造。 Transformer模型是最近一年多来NLP领域 最 重 要 的 进 展 。 与 BiLSTM 一 样 , Transformer模型可以对输入序列每个字 之间的特征关系进行提取与捕捉。通过自 注意力机制和对多个基本的编码器 (Encoder)与解码器(Decoder)单元进 行连续堆叠,Transformer模型可以发现 单字在不同语境下的不同语义,从而实现 了一词多义的区分,比BiLSTM具备更强的 特征提取性能。

11.人工智能自然语言处理技术的全新的模 在实践中,我们只使用了Transformer的编码器部分(某 种 意 义 上 说 , 更 像 是 Bert , 即 双 向 Transformer 的 Encoder),通过多层的自注意力计算结合残差的计算, 将最顶层的Encoder单元的输出作为CRF的输入,就得到 命名实体的标签分类。 我们将电子病历中通过自然语言描述的人体部位、疾病 名称、症状、化验项目、检查项目、手术、治疗等术语, 界定为医学命名实体,通过上述Transformer结合CRF的 算法,进行了实体识别及提取的试验。由于我们标注的 词汇相对比较核心,即未包括各种修饰类的形容词,因 此识别效果比之前的一些研究成果要高出很多。

12.人工智能自然语言处理技术的全新的模 Transformer结合CRF的算法,既克服了CRF算法难以识别上下文语义的缺点,又克服了 BiLSTM结合CRF算法容易梯度消失和难以并行化计算的不足。有了这一算法的精准识别和 提取,我们就可以在“电子病历结构化分拆系统”中进一步构造后结构化模板:即key或 value包含一个或多个实体,再组合修饰词共同构成,从而实现电子病历的准确拆分 导入自然语言描述的电子病历 后台自动结构化处理

13.系统展示

14.为什么要使用我们的产品? 1、提高评级-刚性需求 • 电子病历评级4级要求全院信息共享,越往后越注重数据对医疗的智能化的支撑 作用。因而对电子病历信息数据的提取要求越高,颗粒度越细,甚至拆分到词汇, 唯有这样的数据信息才能更好地被统计、分析、查找和再利用。使用我们的产品 能轻松提高数据质量,从容面对评级。 2、实现医疗数据互联互通 • 基于电子病历的院内信息互联互通是电子病历应用水平评级的硬性要求,但实际 上同一家医院内的不同系统之间的电子病历格式都可能不尽相同,而文档或段落 粒度的病历数据可利用性差,不能完全满足互联互通的要求。借助于电子病历后 结构化工具,将自然语言描述的电子病历转化成为结构化细粒度的数据,就可以 实现院内医疗数据在字段级的互联互通。 3、助力电子病历质控 • 由于“人可读、机不可读”的特点,评价自然语言描述的病历的质量,往往需要消 耗大量的人力资源。通过运用电子病历后结构化工具,就可以分解出构成电子病 历的各结构化信息要素,结合行业标准,也就可以自动评判医生是否全面、完整 的描述了治疗过程各方面情况,从而实现了病历质量评价的目标。

15.为什么要使用我们的产品? 4、支持科研数据分析 • 临床科研分析所需要的关键数据可能淹没在通过自然语言描述的非结构化病历中, 导致统计数据不准确、也不完整。科研人员如需提取病历中的关键信息,就需要 人工阅读病历文本并进行查找,不但效率低下,且容易导致遗漏。有了后结构化 助手,就可以快速提取出关键信息,构建结构化的电子病历数据用于统计分析。 5、积累结构化病历模板 • 基于“前结构化的模板”的电子病历系统会影响医生的思路,主要是因为实际上临 床上可能出现的情况千差万别,而这类病历给出的可选项既不够全面,也不够灵 活。因此,只有通过“后结构化”分拆了各科室、各专业的大量电子病历后,才能 充分积累临床上遇到的各种情况及其对应的术语。这样形成的模板才是研发“结构 化电子病历”的基础,因此“后结构化”是积累结构化电子病历模板的必由之路。 6、更多的应用领域 • 电子病历后结构化也可以为构建更加精细更加全面的患者画像、医疗数据知识图 谱等数据知识库做支持,还可为临床辅助决策、治疗方案推荐、患者预后评估等 系统作为数据的基础。

16.我们的产品优势? 识别不同各类病历文本 • 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。 我们还构建了大规模的医疗语料知识 库,并聘请医疗专业团队进行语义标注。得益于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都得到了显著的提升, 这也使我们的后结构化产品能识别不同厂商、 不同科室、表达方式各不相同的病历文本。 无需对接医疗设备 • 各个医院使用各种不同医疗设备接口各不相同,对接接口非常麻烦。我们的 系统无需接口,不与医院现有的系统对接,单独使用。只要导入自然语言描 述的临床医疗文本,即可自动生成结构化数据。

17.我们的产品优势? 现场部署+云系统,任意选择 • 我们提供两种使用方式以供选择,其一为现场独立部署,单独安装在独立 设备上,无需接口,不影响医院其他设备使用;其二采用云端服务,操作 简便,成本更底。 量身定制的医疗软件 • 根据各个医院不同场景不同科室的具体需求,进行个性化定制型再开发, 满足医院特定需求,提供更贴心的服务。

18.期待与您合作! 平 台 介 绍 / A I 助 力 医 疗