这首先需要医疗大数据挖掘，病历的电子化是一个长期的过程。电子病历也是大数医达最大的优势，我们有长时间、连续的病历数据积累。

电子病历、入院记录、手术记录，术前术后小结这些文本资源，我们利用这些数据训练出模型，帮助经验不足的医生学习和诊断。

但这些海量的文本，在使用之前还需经过几轮处理。

首先，对病历进行结构化提取，把病历里的临床表现、体征检查、化验值、家族史、既往史或者吸烟史、婚育史提取出来。接着，对同一个症状、不同描述做归一，最终形成结构化电子病历。

虽然，电子病历系统已经越来越完善，也同时导致医生选择模板变得困难，经常都是直接选择默认值，导致阳性或阴性症状都没有被重点突出，也就需要根据不同疾病模型获得更高权重。

其次，根据一些医学典籍，把电子病历中的错误进行过滤，过滤虽然非常简单粗暴，但也比较有效。

我们在训练模型的时候，也可以把典籍里面的重点症状权重调高。例如阿兹海默症、癫痫和偏瘫症状，就这些症状的权重调高，让模型更好判断当前症状、化验结果、体格检查。

但典籍给出的，永远都是模糊的建议，而没有哪个病人会按照教科书生病。

院内的智慧服务有哪些核心环节？

我们利用上一步提取的病历，可以很容易把这些疾病分级、分类。

首先，把疾病分为常见病和罕见病两类，常见病种类就包括4000多个ICD、300多个种类，涵盖95%的就诊患者，剩下为罕见病，存在上万个ICD，但仅占总数5%。

大数医达的AI问诊模型可以像医生一样不停追问患者当前症状，根据患者年龄、性别等生命体征，从模型里动态生成问题，而不是像其他厂商问题非常固定。

利用这种动态模型的建立，可以在问诊过程中，很容易收集到患者当前症状。

为什么只涉及症状？

这是因为，整个医疗过程，症状是最重要的部分之一，特别对于科室分诊有着重要意义。

对于患者来说，导诊非常困难，一种疾病对应多个科室。而一旦选错不仅耽误治疗时间，还会产生过度医疗行为。

回过头来看，导诊过程本身就可以在就诊前完成，甚至通过有效导诊可以避免简单疾病的过度医疗。如果这个病需要挂号，大数医达的AI问诊助手也可以跟医院打通挂号系统后，把AI医生收集的所有病症，同步给医院HIS和EMR系统，这样医生在见到病人前就能看到病人的主诉。

如果是罕见病，模型也可以结合症状判断疾病严重程度。例如，一个患者什么症状都没有，只有发热，而且不明原因发热，持续时间比较长，就可能判断为新冠肺炎。医生可以通过互联网医院平台，和患者一对一对话，尽快做进一步检查。

目前，人工智能的发展并不能够代替医生，只能辅助医生，特别是疑难杂症，原因在于疑难杂症数据量非常少，每个医院可能就几份病历，这么少的数据很难训练出模型来辅助医生决策，最多只能实现检索和参考。

这是一个智能门诊案例，功能包括根据患者状况进行提问，根据问题给出患某种疾病的概率。

现实过程中，很多患者看病时间平均也就两三分钟，如果能帮助医生节省一分钟，就相当于提高了33%的效率，对医疗资源利用率提升非常有帮助。

接下来，我和大家分享一下医疗数据挖掘对于医院管理质量提升的作用。

目前，大量医疗资料都是以病历形式存在，优质病历对医生、患者、医保，以及整个医疗过程参与者都非常重要，特别对于医院管理段，如果医生自身没有注意，后续就需要在病历归档时候进行全量扫描，一步步来找出病理的问题，给医生做反馈。

目前，大数医达已经积攒了大量医疗文本处理经验，并且根据经验设计了病历质控系统。

病历质控系统分为两部分。首先，利用十几个模型对不同病历部分做结构化，一边书写、一边进行结构化，结构化之后再做机器质控。

使用结构化质控的原因在于医生书写病历的形式多种多样，仅仅通过自然语言进行对错判断，误判率会非常高。而且，目前深度学习技术还无法分清对错。

目前，大数医达病历质控系统最核心的技术就是医疗文本结构化，根据医学团队总结出的医学规则，在结构化数据上进行质控。

文章来源：《医学信息》 网址: http://www.yxxxbjb.cn/zonghexinwen/2020/0909/702.html