基于结构化自变量电子病历的智慧医疗信息系统

郑亚洁 北京美尔目润视眼科医院眼科 （北京 100000）

内容提要： 目的：探讨以结构化自变量电子病历为基础的智慧医疗信息系统价值。方法：随机选取5名住院医作为观察组，用自变量电子病历系统完成25份常规白内障一日住院病历。随机选取5名住院医作为对照组，用传统电子病历系统完成25份常规白内障一日住院病历。结果：观察组住院病历平均完成时间明显短于对照组（P<0.01）。比较两组病历前后一致率差异有统计学意义（P<0.01）。结论：优化的自变量电子病历质量明显高于传统电子病历。

就智慧医疗而言，包括3个部分，依次为家庭健康、区域卫生系统、智慧医院系统[1,2]。罗旭等[3]从流行病学、病情诊断等角度展开探讨，应用大数据医疗信息化解决相关问题。Khoury等[4]以大数据与公共健康为研究内容，证明大数据可有效应用于公共卫生服务领域，大幅度提高人类的健康水平。智慧医疗是医疗卫生领域信息化建设的更高阶段[5]。落实到底层，提高电子病历书写效率，结构化病历，才能实现病例数据的标准化管理，使自然语言的病历文字得以成为医疗大数据。

本研究对比了自主研发的结构化自变量电子病历系统，与传统病历系统的工作效率和准确度的差异，从而推动了智慧医疗在医院信息化建设方面的新进展。

1.资料与方法

1.1 一般资料

自主研发的结构化自变量电子病历系统。

1.2 方法

随机选取5名住院医作为观察组，用自变量电子病历系统完成25份常规白内障一日住院病历。随机选取5名住院医作为对照组，用传统电子病历系统完成25份常规白内障一日住院病历。比较两组病历完成时间。

1.3 统计学分析

统计学分析采用SPSS17.0软件，采用t检验进行比较，P<0.01为差异有显著性。

2.结果

观察组住院病历平均完成时间（2.96±0.54）min，明显低于对照组平均完成时间（20.40±2.52）min，差异有统计学意义（P<0.01）。见表1。

表1. 配对t检验分析结果

比较两组病历前后一致率，患者姓名、性别、眼别、诊断、术式、查体结果等非模板个人变量在整份病例中前后均一致标记为一致，如有任何一个变量前后不一致，即标注为不一致。见表2。

表2. 深入分析-效应量指标

结果，观察组25份病历，一致病历25份，一致率为100%，对照数组25份病历，一致病历21份，一致率84%，差异有统计学意义（P<0.01）。

3.讨论

对结构化电子病历特征进行分析，是从医学信息学角度，以医学术语要求为基础，对自然语言形式录入过程中的医疗文书展开结构化分析，另外，将语义结构以类型结构，在数据库中保存。需尽量将电子病因分解至最小结构，并将其按一个单元归类，可在相应层级结构展开分别定位，最终对结构化的录入、共享和快速查询作用进行发挥。

对以人工智能为基础，建立全结构化智慧病历的内容展开概括。首先，需明确现况，即如何将数据标准化程度更高、临床医生有更好的使用体验、结构化颗粒度更小、临床业务效率更高四者的平衡点找出，为大部分医院需应对的问题。通过尝试对基于结构化自变量的电子病历进行设计，并就智慧医疗信息系统予以打造，所起的成效卓著。具体表现在如下几个方面。

第一，以机械学习为运行背景，系统化构建电子病历知识库。对于电子病历而讲，所录入的内容，在来源上，为电子病历知识库，包含医疗术语、数据元，及与国际标准的数据编码符合等。通过对数据元特征展开分析，其属病历模板一项较为重要的组成单元，另外，在值域中，医疗术语为典型词条组合，其在命名用时，以数据元为基础，各科室对电子病历模块进行维护，此是对初始数据库进行维护的基础。而在建立完善的数据标准前，手工对知识库维护，除耗费精力外，作用也较有限，需采用机器学习辅助的方式。首先，允许医生将非知识库内容系统录入，故需将医师所持有的录入习惯作为开展深度、系统学习的基础；其次，系统具对医生所填内容的有效性和重复性，具收集和鉴别能力，对于较难采用自动化形式进行判定的内容，需与人工决策结合。进而展开采集清洗、验证反馈，最终形成标准化医疗术语，对知识库自动进行扩充。

第二，以数据为操作背景，进行精细查阅操作。在此期间，以文本可读为运行前提，对于智慧病历而言，针对一条描述中所含有的不同数据元，样式在录入上，也有较大差异存在，在呈现时，存在较大差异。如在对压疮风险进行评估，医院在对病历进行阅读时，仅为当前风险程度及评估内容，但评估人员经规范点击评估分数，即可展开对应的风险评估表，开展评估方面的操作，而查阅人员经点击评估分数，即可获知历史评估趋势，包括明确结果趋势波动方面的特征，及具体评估项所呈现出的趋势方面的变化特征。

除由评估类表单作为有力支持，开展录入及系统查阅时，针对长文本，可对多层级结构化病因作精准套用，同时，由节点式内容进行引导，来对病历书写工作系统完成。在运用中以糖尿病“现病史”来作为案例进行分析，医生可对糖尿病现病史子模板进行单独应用，进行规范书写，子模板对内容节点进行预设，如诊断、运动、饮食、糖尿病症状等。原本需处理的文本内容，均做了结构化拆解和标准医疗术语展现，医生操作均可经点选完成，且在运用期间，系统可节点内容勾选，并向病案首页现病史中带入。

第三，同源数据复用操作与自动带入技术。为获取更为多元的数据元编辑、更细节化的数据源拆解，需采取技术手段，将医生操作繁琐度最大化减少。需保障同源数据可复用完全，及自动将病历中的内容带入。以术前小结展开举例分析，距离患者最贴近的评估、检验、体征信息，均可发挥自动精准带入作用，并可就带入结果提供查阅支持，另外，还可对缺失信息录入进行提醒，降低重复录入事件，可使临床业务效率最大程度提高，并可对数据的准确度提供保障。

第四，人工智能下较为智慧的录入方式。在操作过程中，除可高效率解决数据自动带入所涉及的各样，以应用人工智能，可增强其他病历内容在录入过程中的效率。其中具代表性的为高频术语推荐录入方法，即依据患者自身或科室进行的有效诊断，展开机器学习方面的分组，就系统来讲，从数量巨大的病历信息中，自主掌握不同医生病历录入的习惯，并了解病历录入信息关系，以对高频医疗术语进行推荐，系统可提供最可能被录入相关信息选项，以减少医生所做的搜索工作。另外，也可应用联想跟随即较适用的录入技术，在对某项内容进行填写时，参考病历中现有涉及的内容，如诊断、用药等，自动填充后续描述，医生仅需确认即可，操作比较简单。再次，可应用智能预测提示与精准追加录入的技术。即在对病历展开书写工作时，常易忘记某项内容，但不同的患者因病情存在差异，病历结果也各有不同，不可均按必填项予以设置。以智能预测作为操作基础，展开追加录入，可参考之前所记内容，自动判断信息完整与否，在对病历进行保存时，需做好提醒工作。故即使模板相同，患者个体不同，在录入信息要求方面，也存在较大差异。又次，辅助诊疗计划推荐，在决策层面，电子病历可对诊疗计划推荐做出辅助诊断，除可使业务效率提高外，还可使服务质量增强，与临床路径更为符合。

现阶段提出优化的自变量电子病历，因同一患者在整份病历，住院志、首程、手术记录、术前讨论、术前小结、出院记录、出院通知单等页面中，多次出现的重复信息，用自变量定义后仅需输入一次，即可自动带入到相应位置，医生工作时间显著缩短，从传统电子病历平均20.4min的完成时间，提高到2.96min，效率将近10倍的提升。节省的工作时间，可以更好地为患者服务，降低医患矛盾。

优化的自变量电子病历，错误率显著低于传统电子病历，因其定义的自变量参数，仅需输入一次数值，避免了因多次修改模板病例的参数，导致遗漏或复制粘贴错误。避免了常见的前后信息不一致的病历错误。由于自定义变量集中按顺序输入，也在流程上加强管理，避免了病史收集、术前检查、术后检查等各项流程的项目遗漏。提高甲级病历数量，也在一定程度上避免了不必要的医疗纠纷。

由此可见，优化的自变量电子病历质量明显高于传统电子病历，有助于智慧医疗信息系统的完善。