基于人工智能的医院商务智能系统构建

彭乔立 李汉民 肖 辉

(武汉大学中南医院信息中心 武汉430071)

1 引言

商务智能系统(Business Intelligence System，BI)是基于数据仓库、数据挖掘、数据可视化等技术构建的信息系统。抽取、汇总业务系统数据并存储于大数据平台，基于主题划分形成数据集市(Data Market，DM),将数据图形化，使用统计图表进行展示，呈现企业运营状况，进行深度挖掘与分析，从中获取商业规律，帮助企业管理者进行决策[1]。本文主要介绍基于人工智能技术的医院商务智能系统构建。

2 核心技术

2.1 数据仓库

随着计算机技术发展，企业数据存储量呈指数级增长，同时数据仓库(Data Warehouse，DW)概念诞生。DW是对关系型数据库的重新组织，具有面向主题、超大存储、高度集成等特点[2]，成为企业BI系统首选存储解决方案。

2.2 人工智能

20世纪50年代提出人工智能(Artificial Intelligence，AI)概念[3]，逐渐演化出以人工神经网络(Artificial Neural Network，ANN)与深度学习(Deep Learning)为核心的AI技术。特定算法无法解决高度集成的管理问题，而AI技术具有的层次性、分布性等特征则可满足现代管理数据分析需求，可以赋予BI系统更强的决策支持能力，通过分析解决复杂问题为不同管理场景提供专业支持[4]。

2.3 数据可视化

数据可视化(Data Visualization)是指将数据通过图形进行展现。在应用程序领域，配备图形化交互界面(Graphic User Interface，GUI)[5]成为行业标准。在商业数据分析领域，将数据转化成统计学图形是经典的可视化方案。随着网络时代到来，基于Web技术的报表框架(Echarts、FusionCharts等)较好地满足需求[6]，其具有开源、跨平台、维护成本低、社区资源丰富等特点，支持Web技术的报表框架成为BI可视化首选方案，能够实现一中心多终端、跨设备一致性等功能特点，为管理人员提供高效便捷的数据访问服务[7]。

3 基于人工智能的医院商务智能系统构建

3.1 概述

我国医疗信息化尚处于起步阶段，而公众医疗卫生需求日益提高，医疗卫生行业竞争激烈，医院管理者面临巨大挑战。医院管理者进行决策需要人事、财务、设备、医疗等多维度多层次数据支持[8]。本文介绍如何构建基于人工智能的BI系统，利用最新信息技术建设智能化管理平台，助力医院管理者决策，见图1。

图1 基于人工智能的医院BI系统架构

3.2 软硬件环境

3.2.1 大数据平台 采用多节点分布式系统架构，基于高效网络，将计算任务分配给多个节点，在操作系统层面构建软件，具有分布性、自治性、并行性等特点，适用于对并行性、容错性有较高要求的场景。单个节点配备至少4核心且时钟频率在2.5GHZ及以上的中央处理器(Center Processing Unit，CPU)，8GB内存，每个节点能采集、清洗4～6个业务系统数据。软件层面需要支持Hadoop框架，该框架基于Map/Reduce技术开发[9]，是面向大数据处理的并行计算框架，拥有数据划分、数据源代码定位、优化策略、错误检测等功能，适合需要多任务处理、多线程计算场景，可实现海量数据秒级响应。

3.2.2 人工智能核心 配备高性能服务器集群，为提高人工智能训练效率，还需配备支持统一计算设备架构(Compute Unified Device Architecture，CUDA)加速技术的图形处理器(Graphic Process Unit，GPU)，加速训练过程[10]。由于人工智能训练数据集多为矩阵格式，与图像数据格式相同，GPU能够以数倍于CPU的速度训练数据。CUDA架构能充分发挥GPU处理性能，提升人工智能数据训练效率。

3.2.3 数据展示平台 配备高性能服务器，能够将训练结果转变为统计学图形、图表，直观呈现，实现决策支持功能。终端电脑通过医院内局域网访问人工智能核心服务器并获取数据，客户端配备通用浏览器软件，基于WEB的图形化框架适配主流网络图形标准，用户使用任意设备和操作系统都能获得一致图形化体验。

3.3 医院BI基础数据展示模型

医院BI基础数据可以依据业务分为3层：驾驶舱、子主题、专题报告，见图2。驾驶舱主要展示来自各子主题的核心指标，管理者可获取在服务端实时更新的医院运营关键信息。子主题根据业务特点将医院运营管理数据进行分类，包括医疗收入、医疗总量、医保分析、医疗效率、医疗质量。医疗收入主题主要从财务口径进行分析，展示业务量变化趋势；医疗总量主题展示各科室主要医疗业务量变化趋势及问题所在；医保分析主题包含总体概况、门诊/住院医保分析等页面；医疗效率主题展示医疗资源利用率与服务效率，有助于管理者控制医院成本，改善患者就医体验。

图2 医院BI基础数据展示模型

3.4 医院管理人工智能模型

3.4.1 算法 不同于传统数据处理算法，人工智能算法在输入输出之间有不定层数的人工神经网络(Artificial Neutral Network，ANN)，基于独特统计学算法，模仿神经元特性对数据进行定性划分；通过控制输入数据属性，可构造各式人工智能模型。医院BI人工智能模型利用开源框架Tensorflow。该框架是基于数据张量的人工智能算法集，具有跨平台性，能部署于Linux、Windows等不同操作系统，支持Python、C++等面向对象编程语言以及CUDA框架，充分利用GPU计算能力(GPU计算功能需要支持CUDA架构的硬件)。Tensorflow 框架能够将数据转变为张量保存，通过数据流与会话构造神经网络，训练数据集。

3.4.2 架构 医院管理人工智能模型包含营销、风控、方案3个主题[11]，见图3。营销主题包含患者、客户、消费3个类别，该模块主要利用患者挂号信息、医嘱、费用明细等信息为训练数据，在此基础上实现预测与分析的功能，精准模拟患者消费与分布情况，帮助管理者对医院效益进行准确估计，把握影响医院效益的关键因素；风控主题包含医疗、纠纷、行为、欺诈等类别，运用文本挖掘、图像识别等大数据技术，通过对电子病历、病程记录、诊断、录音、录像、图片等信息进行训练，对各种医疗风险发生可能性进行预测与警告，对医疗事故与冲突进行防范，帮助管理者减少医患纠纷，提升医院服务质量，提高患者满意度[12]；方案主题包含投资、量化、决策、集成等类别，综合运用神经网络、聚类分析、决策树等技术，对医院人事、物资采购、药品出入库、设备折旧、不动产等信息进行数据训练，辅助医院管理者进行人事更迭、设备更新、资产评估方面决策，在指导管理者采购大型设备、提升职工满意度、降低维护成本等方面发挥作用[13]。

图3 医院BI智能决策模型

4 结语

本文从软硬件环境、数据模型层次结构、医院管理人工智能模型几方面阐述建立人工智能BI系统构建，该系统可帮助管理者掌握医院运营动态，辅助决策，以增加医院业务量、提升医疗质量、提高患者满意度及减少医患纠纷。目前医院运营多层面尚未形成统一标准，存在多种理论，如临床路径、单病种付费、DRGS等[14]，并且理论实施尚存在较多适应性问题。下一步应关注与探讨如何构建更具普适性的指标体系与智能模型，为不同类型、不同规模医院提供无差别支持与帮助。