AI智能化門診輔助系統開發及應用＊

朱偉健

（紹興市人民醫院，浙江紹興 312000）

AI輔診通過引擎模擬全科醫生，依托于醫院公眾號系統，在患者就診之前，模擬全科醫生問診，收集患者主訴信息，整個過程遵循醫學邏輯問詢，交互過程智能清晰，引擎會將患者的描述轉換成符合醫生閱讀、書寫習慣的電子病歷，這樣醫生在接診患者時，已經獲取了完整的、全面的患者主訴信息。

1.方法

1.1 應用開發研究

AI輔診引擎針對分診場景，首先，從海量文獻中抽取豐富的醫學知識，這一抽取過程相當于學習和記憶醫學知識；其次，對所抽取的知識進行理解和加工，包括將醫學專業術語與患者語言進行對應、推理癥狀與疾病間的對應關系和問答對話邏輯；最后，結合場景進行應用，比如在智能導診場景中結合醫生的專業擅長、過往的診療經歷，刻畫出全面、詳細、實時的醫生畫像，通過智能預問診，為患者匹配最合適的醫療資源[1]。

1.2 應用開發摸索

（1）算法上進行了創新，從巨量的患者自述病情來學習掛號的科室，摒棄了傳統通過文本分解通過關鍵詞相似度來方法，提升了算法的準確性和適應性。（2）導診系統中充分考慮了病人自身的年齡、性別、生活環境等影響病癥的重要因素，使最終的推薦能夠因人而異，更加準確地判斷患者的病癥。（3）導診系統與掛號相結合，不僅能實現掛號科室的推薦，同時也能夠根據病人的情況推薦合適的醫生與醫院，并能夠實現在線掛號，全面提升了患者的便利性，真正實現患者智能導診。

1.3 功能描述

（1）智能導診。使用“智能導診系統”無需等待，通過智能的人機對話方式，讓患者可以快速獲得最合適的科室推薦，從源頭上讓醫療服務更精準高效。（2）智能預問診。提前模擬醫生問診。患者就診前，問診機器人智能采集用戶病情信息，自動生成電子病歷（包括主訴、現病史、既往史、過敏史、個人史、婚育史、家族史等）發送給醫生，讓患者有充分的時間陳述病情，同時節省醫生重復問診和書寫病歷時間，提升患者就醫體驗和醫生工作效率。（3）智能自診。用戶通過與AI機器人問答的智能交互模式下，完成主訴，結合符合身體癥狀的特征后，系統會進行計算，匹配用戶可能患的疾病，并按概率從高到低呈現。自診結果里的“疾病詳情”里，從癥狀描述、疾病簡介、患者須知、到風險因素、治療方法、自我護理，甚至是“建議問醫生的問題”和一般診斷方法，都一應俱全[2]。

1.4 技術路線

（1）知識圖譜。醫學知識圖譜，是實現醫學智能的基石。醫學知識圖譜主要包含醫學實體詞和醫學實體詞之間的關系。構建醫學知識圖譜，主要分為兩個步驟，一個是知識抽取，一個是知識融合。大數據時代，醫學知識存在不同的語料中，有結構化的文本、有半結構化的文本、有無結構化的文本等。對于不同的語料類型，需要使用不同的抽取技術，來進行知識抽取，結構化的文本，采用規則抽取的方式，無結構化的文本，采用自學習再反饋的算法。從不同語料抽取的知識，再進行知識融合，即將多個知識庫抽取的知識，融合成一個，在這個過程中主要解決的問題是實體對齊，也包括關系對齊和屬性對齊，通過相似度計算、聚類等技術來實現。（2）基于數據構建知識圖譜。基于醫學書籍、文獻、指南、臨床數據以及資訊，由醫學專家制定領域schema，應用自學習再反饋算法從海量數據中抽取實體信息，快速高效構建覆蓋病源微生物、疾病、癥狀、體征、檢查、檢驗、藥品等數十類實體，超過數百類實體關系的千萬數據量級的醫學知識圖譜。同時所有實體數據參考國內國際通用的醫學術語標準集。（3）智能交互。豐富的智能交互研發經驗，業界一流對話交互技術，海量優質病歷數據學習；在多樣化應用場景中，融合業務特征系統及打磨迭代，每天在近十萬人次應用中學習。（4）語義理解技術。多年搜索應用場景技術積累，基于醫療行業特征深度定制；基于深度學習技術，從近億條醫患對話中學習，并以海量用戶反饋行為自學習；已大規模應用，業界領先。（5）機器學習。機器學習是精準就醫的關鍵技術。通過對大量歷史醫療數據的清洗、整理與訓練，建立精準就醫分類模型與知識庫，針對不同患者需求，自動匹配最合適的專家、醫師，針對專病進行專業精準治療，如圖1所示。

圖1 AI智能平臺建設

患者通過問答的方式完成信息搜集，系統根據電子病歷的要求，將采集的信息分類填寫到電子病歷相應的位置，在醫生問診之前就可以完成患者“一訴五史”的信息采集及患者畫像。問診時只需針對個別點補充詢問即可。

1.5 實際應用情況

1.5.1 智能導診

產品功能描述：解決患者盲目就醫，減輕導診臺工作壓力，有效提升患者就醫體驗。數據指標：排列第一的推薦科室準確率>95%。驗證方式：對以往上線醫院日志分析評估，跟進患者得到的科室結果，結合患者實際的掛號科室進行對比，準確率>95%，醫院不同可能會略有差異。使用情況：目前使用智能問診的患者達到900人次/天?；颊叻答仯簻p少排隊壓力，人機交互方便，得到推薦科室結果后可直接進行掛號，比較方便。

1.5.2 智能預問診

產品功能描述：提前獲知患者病情，提升醫生效率，節省書寫病歷時間，改善醫患溝通。數據指標：?？祁A問診：生成病歷后，二次改動比例 <10%；醫患對話理解：數據準確率 >95%，數據召回率>82%。醫生對話生成：候選采用率>80%。驗證方式：通過統計平臺，可查看相關機構對技能的調用次數，選取5個工作日內數據，取均值。使用情況：目前使用通過線上掛號入口，使用智能預問診的患者達到560人次/天。臨床反饋：預問診內容可根據?？七M行配置，效果可穩步提升，預問診生成結果符合醫學病歷書寫標準，可直接對內容進行簡單修改后導入電子病歷系統。

2.結果

（1）科學價值。通過人工智能平臺的搭建，對專家診斷過程進行數據解析，訓練模型，把專家經驗可視化、模型化，可以變成留傳下去的寶貴財富。改善現有的就醫模式，探索更合適更優化的診療模式，改善了傳統就診模式帶來的醫療資源的浪費及患者滿意度低下的現狀。（2）社會效益。高效高質量的AI輔助工具，能夠快速的幫助新手醫生成長，降低診斷風險，降低手術風險，降低用藥風險；整體提升患者就診體驗。提升醫院醫務服務的的質量，節省更多人力，改善核心的臨床環節質量。

3.討論

當前需要解決的主要問題：（1）輔助診療技術的具體細節，用以解決醫療導診與推薦時患者偏好未知的問題，通過輔助診療幫助患者根據癥狀表現確定其所患疾病，從而明確患者偏好。（2）輔助診斷技術，輔助診療思路、相似度計算、癥狀聯想機制的明確。（3）診斷結果的優化?；颊咄鶗ψ约嚎赡芑加械募膊∵M行猜想，這是非常有價值的信息。系統將考慮來自患者的反饋信息，對診斷結果進行優化。