AI智能技术在病历质控中的应用

2021-06-14金鑫俞荣强于学伟

健康之家 2021年21期

金鑫俞荣强于学伟

摘要：采用人工监测病例质量方式面临工作量大、覆盖范围小等问题，为此提出将AI智能技术应用到病例质控中。对人工智能在病例质控中的关键技术，及对现场应用情况进行分析。通过使用智能质控系统对病历检查出来的结果予以复核，并结合相关病历质控标准予以调整各项质控设置，逐步提升智能检查系统的准确性。通过采用AI智能技术后，医院电子病历机器质控率达到100%，病例质量有所提高，同时提升了医院的病历信息化管理水平及质量。

关键词：病例;AI智能技术;质控;医院;智能化

病例质控是医院治疗质量管理核心组成部分，工作量繁重。而现阶段医院病例质控多是采用人工监测方式实现，受到高学历专业质控人员短缺、质控人员水平有待提升、病例数量多等因素影响，质控工作效率、覆盖范围以及病例质控质量等存在一定不足。随着大数据以及人工智能技术等发展，为医院医疗质控由人工方式向自动化方向转变提供了良好技术支撑。通过引进AI智能技术对医院归档病史进行自动质控，结合病历书写规范不断学习，以提高智能质控的准确率，同时使医院的病历质量整体得到进一步的提升。通过AI智能系统提取病例文本数据，自动完成病例检查并对病例质量评分，通过AI智能、人工相结合技术方法，管控所有病例，通过闭环管理来提升病例管控效率及质量，并提升医院病例管理信息化、智能化水平。

1病历质控存在问题分析

（1）未能实现病例全覆盖、高效质控。现阶段医院病例质控通过人工监测实现，虽然质控精准率高，但是质控人员需要投入大量的精力对进行病例形式质检工作;受到质检人员、工作效率等限制，病例有效检测范围较小，检测病例数只能占据到病例总数的10%左右，病例形式质检占用大量时间及精力，难以对病例深层次内含进行质控。

（2）终末病历质控有待提升。终末病历质控检测多集中在事后，即便发现病例出现问题，也是要求事后补漏，并向相关科室、医务人员等提出整改措施，导致最终的归档病历涂改较多。

（3）病历检查质量参差不齐。传统医疗质量监控方法的实施，由于参与了人工监测手段，因而容易渗透人为因素影响，出现放宽执行标准或视标准而不顾的现象，致使对质控标准的掌握不一致，执行不力，质量监控不到位，监控效力低下。

2AI智能技术在病历质控中关键技术

2.1 AI智能质控的闭环管理流程

具体设计的AI智能质控的闭环管理流程见图1所示。通过采用机器学习、自然语言处理技术等AI智能技术构建病例录入、病例提取以及质控排查，并对病例质量进行自动打分，筛选出低分数病例并提交为质控人员进行分析;人工分析确定病例需要进行整改时，则生成整改通知并让对应医生整改病例，若不需要整改则自动生产质控报表;通过实现闭环达到提高病例质控目的[3-5]。

图1 AI智能质控的闭环管理流程图

2.2 实施关键技术

病例中数据非结构化占比较高，根据统计分析占比超过80%，非结构化数据占比高会对对后续分析、利用产生一定影响。因此，针对此种情况，可通过自然语言处理技术对病例数据结构化处理，后续完成数据清洗、质量质控及评价等工作[6～7]。

2.2.1 基于多层级自然语言的文本数据结构化：电子病历文本数据结构化的有效实施途径之一即为自然语言处理，通过自然语言技术对文本数据结构处理后，可转换成计算机系统可理解、分析信息，从而提高机器系统可读性[8]。依据病例质量评估结构，并确定存在争议数据之后，可针对数据问题差异提出不同的数据清洗策略，以便提高数据质量。通过自然语言处理（LNP）技术可对数据缺失、异常或者逻辑前后矛盾等问题进行处理，提取文本数据对填补可能存在缺失数据、核对文本数据准确性以及逻辑性;标记文本数据中无法自动填补数据。为得到后结构化数据更为丰富、精准度更高，通过多层级自然语言技术并以文本数据类型（包括有现病史、主诉等）为基础构建数据提取模型，并避免出现信息提取错误或者数据遗漏等问题。通过对电子病历中原始数据解析，识别文本中实体、属性、关系等关键信息，并转换成后结构化数据。

2.2.1 病例数据清洗：医疗文本数据包含有丰富的信息，具体包括有病因诊断、症状描述、检测方法以及针对性的治疗方法等，可为患者疾病规律分析、诊断以及药物应用效果分析等提供参考[9]。但是在临床症状以及医学术语中描述方法具有多样性特征，同时不同信息系统中关于疾病、治疗、诊断等术语存在表达不统一问题，可以权威教材、行业规范等用词为依据，采用分类算法（包括有支持向量机、分类回归数等）、标准化数据清洗流程对自然语言进行规范化、标准化处理，便于病例用语规范化评价、匹配及分析关键信息。

2.2.3 构建数据质控体系：上述关键技术多是对已采集到的数据进行后处理，為从源头实现病例质量控制，需依质量控制标准构建内涵质控体系，对病例质量进行分析。主要功能包括有医疗文本结构化、质量评价、质量分析等[10～11]。

（1）医疗本文结构化。结构化提取病历文本数据，内容有效、关键信息间关联等。依据有关技术规范、标准等构建病历各节点（如入院记录-主述）内容模型，模型框架有体征、症状、检查、疾病、手术等。通过语义分析、语言分词等技术，实现病例文本后结构化处理。

（2）病例质量评价。对电子病历进行质量评价并打分，给出病历存在的质量内容，以便实现病历问题快速定位，提高病历质控精细化程度。病历质量评价系统依据相关要求分类病例质控问题，如数据是否一致、书写内容是否完整、是否依据诊治实际情况书写等，并构建质控规则库、完成自动监控、反馈、提醒等功能，实现病例评价。

（3）病例质量分析。对相关科室甚至全院质量不高（打分偏低）病例进行汇总，对病例进行横向、纵向分析，并通过便于展现的统计图方式展示分析结果，以便为病例质管部门后续管理提供参考依据，辅助定位管理中存在问题，便于后续整改措施质量，提高病例质量管理水平及综合能力。

3应用成效分析

3.1 应用效果分析

截止至2021年12月底，AI智能技术在医院病例质控中应用良好，电子病历机器质控率达到100%。随着系统运行，为提高质控效率及精准度，系统为相关科室以及质控员等提供申述、反馈通道，由病例质控部门组织相关专家对反馈问题进行集中审核分析，并依据审核结果调整相关质控模型及评分机制，从而使得病例质控效率及结果精准度，大幅降低质控人员工作量及作业强度。将AI智能技术应用到病例质控中后，病例平均得分由最初76分提升至现阶段的93分，病例质量得以明显提升。以质控3000份病例为例，对AI智能技术与人工质控技术质控情况进行比对分析，具体结果见表1所示。AI智能技术质控效率较人工方式提升约50倍以上。

3.2 应用中表现问题分析

（1）数据适配。不同科室间病例数据适配问题突出，需进一步磨合。不同科室间存在明显差异，以儿科以及内科为例，不同科室病例模板有明显差异，导致病例数据结构存在明显的异构情况，给AI智能质控系统带来新的挑战并显著增加质控工作量，现场应用中仍需要对专科病例模板进行训练、学习，以便提升不同类型病例质控适配度，达到提升病例质检效果目的。

（2）病例质控无法实现100%智能运行，仍需要质控员配合。为提高病例质控系统质量把控精度、质量，仍采用AI智能质检、质控员复核方式，虽然质检效率较以往的抽检质控方式大幅提升，但仍有较大的提升空间。

4总结

医疗大数据近年来得以快速发展，电子病历是医疗大数据重要组成单元，其质量会影响医疗质量以及医疗大数据整体效果。在医疗病例管理中采用AI智能技术，有助于医院临床、管理以及科研等工作开展。

文中就对提出将AI智能技术应用到病例质控中，通过人工智能技术应用达到提高病例质量目的。给出AI智能质控的闭环管理流程以及智能管控关键技术，并对实际应用成效进行分析。医院通过采用AI智能技术后，病例质量得以明显提升，同时质控人员工作量也明显降低，可在一定程度上提升病例质量。

参考文献

[1]刘祉呈，陈爱芬，黄颂列.基于AI技术的电子病历质控系统构建与实践[J].医院管理论坛，2021，38（08）：83-84+40.

[2]梁志刚，罗德芳，魏岚，黄跃.CDSS用于电子病历质量控制的开发设计与应用[J].中国数字医学，2021，16（03）：23-27.

[3]吴骋，王志勇，徐蕾，周全.基于人工智能的电子病历数据质量控制[J].解放军医院管理杂志，2021，28（02）：134-135+168.

[4]丁佳丽，史亚香，焦蕴.基于人工智能的病历质控系统的设计与应用[J].中国数字医学，2021，16（02）：45-48+53.

[5]邵春霞，蔡琴，钱跃飞.KPI用于电子病历系统评估书写质量改进方案的构建与效果[J].中医药管理杂志，2020，28（18）：176-179.

[6]陈强，丁腊春，王译，殷伟东.智能电子病历质控系统研究与应用[J].医学信息学杂志，2020，41（06）：63-65+89.

[7]唐瑤，李凌，尹龙燕，邓杰芳.临床医生质控员病历质量质控大赛结果分析与改进措施[J].现代医院，2020，20（05）：679-681+685.