人工智能技术应用于电子病历质控的研究与思考

——孟 岩 孙雪梅 王 雪 冀冰心 苏金菲 靳 萍 李姗姗

首都医科大学宣武医院 北京 100053

1 研究背景

电子病历质控是电子病历系统的重要功能，已经在国内很多医疗机构得到推广应用。2018年，国家卫生健康委员会对电子病历的使用提出了明确要求：到2019年底所有三级医院要求达到电子病历应用水平分级3级及以上，2020年要达到4级及以上[1]。在该政策的引导下，电子病历质控在提升质控效率、提高医疗质量方面发挥了良好的作用[2]。与此同时，医疗机构内部也对电子病历质控、病历内涵质控等提出了新要求。

当前，国内多数医疗机构已基本完成针对电子病历的时效性、完整性以及病历质控流程信息化等建设工作，形成基于事前、事中、事后的质控模式，节省了大量的人力成本和时间成本,有效降低了缺陷率，提高了电子病历质量[2]。但传统电子病历质控也存在着如下问题：如时效性、完整性质控要求流于形式，质控范围未能全覆盖，尚无自学习和形成专家库功能[3]；存在“数据孤岛”问题等。同时，针对医技科室的一些质控要求，传统电子病历质控方式也难以实现。

人工智能技术(Artificial Intelligence)[4]是模拟、拓展人的智能和经验的一门新的技术科学。它涉及的研究领域包括机器学习、自然语言处理(NLP)、图像识别、专家系统等，目前已经广泛应用于临床医学领域[5-7]，如何利用人工智能的知识图谱、后结构化等技术构建智能化的质控规则体系[8]，以满足医疗机构新的电子病历质控要求，成为医院质控工作的重要研究方向。

2 人工智能技术在电子病历质控中的应用

2.1 机器学习

传统电子病历质控无法实现机器学习，只能通过编写代码来实现逻辑判断。机器学习是通过收集和分析大量的样本数据，并对质控要求进行提炼、分解、总结的一种高效的学习方式。机器学习的算法包括三种：监督学习、无监督学习和强化学习，可通过神经网络、决策树、贝叶斯算法、回归等技术或模型来实现[9]。目前，国内已有部分医院在质控工作中针对电子病历语义进行机器学习。从质控范围来看，通过机器学习可以对海量病历文书进行深度解析，了解其语义逻辑结构，并最终形成逻辑结构脉络图[10]。例如，现病史可以解析语义中的发病时间、症状、程度等；手术记录可以解析语义中的手术状态、术中体征、术中耗材、术中诊断等。

2.2 自然语言处理(NLP)

自然语言处理(NLP)可以将半结构化和纯文本病历信息通过深度卷积模型(Convolution Neaural Network)生成医学术语和属性，并根据逻辑库规则和目前国内外相关标准(如ICD-9、ICD-10、SNOMED-CT)进行综合利用。应用自然语言处理技术，首先，可解决传统电子病历质控无法对不同医生、不同书写习惯进行逻辑判断的问题。其次，能给多系统间逻辑判断提供数据基础。第三，对因为电子病历模板不完整、不规范造成的问题以及病历内容复制造成的质量低下等问题进行逻辑判断分析，提供了新的技术手段和解决思路。目前，国内很多医疗机构在电子病历质控领域已经实现了基于自然语言处理(NLP)后的辅助决策、过程质控等，并取得一定效果[11-12]。但需要注意的是，经过处理形成的医学术语和属性，应遵循统一认知标准，避免产生理解偏差。

2.3 图像识别

目前，医学影像与人工智能技术的结合在电子病历质控领域应用较多[13]。传统的医学影像质控，更多是由高年资医师对低年资医师的报告进行复审，往往时间长、效率低且过多依赖经验判断；而基于图像识别技术，使用FASTER-RCNN 深度神经网络进行深度学习，对原始图像逐层提取特征，最后与诊断标准进行比对，可有效解决计算机图像问题，并在一些疾病诊断如新冠肺炎的影像学辅助诊断上发挥重要作用[14-15]。

2.4 专家系统

人工智能技术中的专家系统在医疗领域已经得到了充分利用[16-17]。其特点是能模拟专家思维，具有专家知识水平，能进行有效推理，且具有知识获取能力。专家系统一般包括人机交互界面、知识库、推理机、解释器、数据库、知识获取六部分。目前已有医院将人工智能技术中的专家系统用于X线图像质控，根据《数字X线摄影检查技术专家共识》[18]，从图像质控的部位、清晰度、曝光问题等角度，分析焦点、中心线等质控因素，大大提高了电子病历中的影响结果质量和患者满意度[19]。

3 讨论

3.1 专家质控与人工智能质控的关系

人工智能技术虽然已经有了很大的发展，但质控专家以及有些临床医师仍然对人工智能技术在电子病历质控中的应用存在质疑。这种质疑主要体现在两个方面：一是对人工智能质控结果的不认同。特别是一些不熟悉人工智能技术的质控专家，习惯于通过经验进行判断。针对此类问题，建议人工智能质控结果增加溯源功能，明确数据获取来源及结论因果关系，增加人工智能质控和专家质控结果的对比分析，逐步提高人工智能质控结论的权威性。二是针对人工智能质控内部逻辑不透明等问题[20]，需加强与质控专家的沟通，增加质控专题讨论，逐步使质控的专家了解人工智能质控运行机制，增加人工智能质控的可信度。

只有当质控专家了解了人工智能质控的运作机制，才能能更好地激发新的质控思路。但需要强调的是，在具体质控工作中仍然以质控专家为主导，人工智能质控作为辅助，最终形成专家质控与人工智能质控良好的关系，二者相辅相成、相互促进。

3.2 人工智能质控的目标

目前，各医疗机构的质控人员数量均比较欠缺，不同医疗机构的质控思路和质控水平也不尽相同。借助人工智能技术可解决质控效率问题，例如一个复杂的质控问题，往往要关注患者的病史、诊断、检查报告、病程描述、开立医嘱等各种信息。通过人工智能质控则能快速给出判断，效率比单纯的人为质控高很多。同时，人工智能质控范围也大大超过专家质控，可基本覆盖患者的全部医疗数据。因此，解决目前专家质控效率不高、范围难以扩大、标准因人而异等问题，是人工智能质控的重要目标。

3.3 人工智能质控的隐私保护

人工智能技术具有自动收集临床资料的功能，因此医疗机构需建立规范的约束和监管机制，在收集患者电子病历质控数据的同时，必须注重保护患者隐私。人工智能技术仅被允许收集电子病历中的有效数据，对敏感信息要进行脱敏处理，避免因人工智能质控而产生新的隐私保护等安全问题。

4 小结

目前，国内已经有将人工智能技术应用于电子病历质控的实践，并取得了一定效果[21-22]，但并未形成完整的体系和规范。因此，利用人工智能技术对电子病历展开持续探索，可以发掘出更多的临床特征数据、管理数据，发现更多的电子病历质控特征和规律，有助于未来实现医疗机构全方位质控的预判以及质控工作精细化管理。