人工智能+醫療：聚焦語音識別

■文/王 浩

隨著相關技術的成熟與發展，語音技術將會贏來如智能手機般的突破式發展機遇，其與各個產業的結合在深度和廣度上也會不斷強化。

在神經網絡算法等的推動下，語音識別準確率超過了人類的平均水準，語音技術開始融入具體的應用場景。如美國亞馬遜公司Echo這樣的應用開始涌現；地圖應用時習慣用語音輸入目的地的用戶越來越多；高德地圖合成的林志玲聲音和真人也無二致；上海街頭開始通過聲吶結合視頻識別來捕捉在中心區域鳴笛的汽車……

語音識別與醫療碰撞在一起又會閃現出什么樣的火花？

語音識別領先公司Nuance的啟示

語音識別是將一段包括自然語言發音的聲學信號投影到對應說話人的詞序列上。傳統做法以20毫秒為一幀來分割信號組成輸入向量，許多語音識別系統還會通過特殊的手工設計方法預處理輸入信號，從而提取特征，某些深度學習系統則直接從原始輸入中學習特征。

自2013年深度學習算法大規模在語音識別中運用后，語音識別準確度飛速提升，從2013年的約77%到現在已經超過95%，人類的平均語音識別準確度就約為95%。

說到語音識別公司就不得不提Nuance，蘋果手機Siri使用的就是Nuance技術。Nuance公司2016財年收入19億美元，其中約10億美元來自醫療產業，也就是說超過50%的收入來自醫療產業的應用。而中國的語音識別技術公司在醫療產業的應用推廣才剛開始。了解Nuance公司在醫療產業的布局能幫助我們建立對語音識別技術與醫療結合的基本理解。

Nuance公司在醫療領域的應用幾乎都圍繞各類臨床文檔展開，包括醫囑、病歷、診療記錄等。Nuance公司所從事的具體工作簡單來說就是借助語音識別等技術手段幫助醫院和醫生記錄、編輯、清理、整理各類醫學文檔。Nuance公司將這個業務做到了極致：從技術角度來看，Nuance公司不僅有專業的語音識別技術，還在印度有超過6 800人的編輯團隊對語音識別過后的內容進行校驗和優化（據了解還有更多的校驗工作通過眾包來完成）；另一方面，Nuance公司的語音識別技術和既有醫療信息化系統深度融合，其支持美國所有主流的醫療信息化系統廠商如Epic公司、Cerner公司、eClinicalWorks公司和athenahealth公司等，醫生的語音輸入能夠流暢地和醫院信息化系統打通，嵌入到醫院的既有工作流中。

Nuance的醫療業務分為4塊。

1.轉錄服務：所謂轉錄服務就是幫助醫生將各類院內醫療記錄數據錄入以及整理。Nuance系統將醫生的語音通過自動識別做第一道處理，再通過印度團隊來做進一步處理以提高準確度。這個服務也同樣提供給保險公司等對醫療數據完整性、高質量有要求的醫療健康組織。

2.龍醫療（Dragon Medical）：龍醫療是聽讀軟件系統，是Nuance服務的核心。它能夠幫助醫生將口述內容轉換成文字并錄入到電子健康記錄（EHR）等系統里。這套系統融合了各類模板來簡化并引導醫生的輸入，現在還能基于智能技術實時幫助醫生解決護理患者時遇到的問題。

3.臨床文檔改進和編碼解決方案：這個方案可以確保醫療信息被正確編碼、評估并妥當地保存下來。這個服務可以幫助醫療機構遵從合規要求，并提高編碼效率以及時地獲得保險理賠（保險公司對理賠時提供的數據準確性等有較高要求）。

4.診斷解決方案：這個方案可以幫助放射科醫生方便地保存、分享醫學影像以相互協作，進而改進醫療質量。

根據Nuance公司公開的數據，龍醫療平臺的語音病歷錄入準確率已經高達99%，能夠幫助臨床醫生將文檔事務的處理效率提升45%。基于Nuance公司的臨床語音識別技術，醫生平均每年能夠記錄超過1億患者的數據。目前，Nuance公司的醫療語音解決方案在美國醫療機構中的覆蓋率高達72%，其客戶分布在全球30余個國家和地區，已經有50萬名臨床醫師和1萬臺醫療設備采用其醫療語音解決方案。

Nuance公司的這些創始性工作具有啟迪意義。在了解Nuance公司之前，很少有人意識到一家以人工智能聞名的公司需要配備如此多的人員來從事人工校驗工作。作為服務提供商來說，最重要的是質量和效率，在人工智能真正取代人工之前，為保障服務的質量與效率，“人工智能”+“人工結合”的解決方案是更為務實的選擇。我們同樣也沒有意識到僅僅提供醫療文檔的輔助性服務，Nuance公司就能每年獲得10億美元的收入。聯想到目前國內醫療數據的孤島以及大量臟數據存在的問題，也許這里面同樣存在著大量未被釋放的商機等待著創新企業家們去挖掘。

語音識別在中國醫療產業的應用

與Nuance公司對標的中國公司是語音識別先驅公司科大訊飛。科大訊飛成立于1999年，專業從事智能語音以及語言技術研究、軟件及芯片產品的開發等。公司目前主要的產品化應用是在教育行業，隨著產業的發展，近來開始發力智慧醫療市場。科大訊飛在醫療領域的產品分6大塊，和Nuance公司的類似之處是其核心均在于將語音識別技術融入醫生的日常工作流。

1.醫療聽寫SDK：該功能可以精準識別醫療詞匯，實現語音文字間轉化，這部分功能開放給其他醫療信息化服務廠商，并通過軟件授權等來獲取費用。

2.硬件麥克風：此功能專門提供給醫生使用的麥克風，針對醫療工作場景設計的高信噪比、環境適應能力強的麥克風可以配套訊飛的軟件使用，公司則從硬件銷售或軟硬一體化銷售中獲取費用。

3.口腔電子病歷：這是結合口腔科的使用場景開發的支持語音輸入的電子病歷系統，公司通過軟件銷售等來獲得費用。2016年9月，科大訊飛與北京大學口腔醫院口腔數字化醫療技術和材料國家工程實驗室共建的“基于語音的門診病歷采集系統”投入試點。截至2016年底，訊飛智能語音系統已經在北京301醫院、上海瑞金醫院、北京大學口腔醫院、安徽省立醫院等20多家醫院應用。

4.超聲助理：與口腔電子病歷類似，超聲助理是專門提供給超聲科醫生使用的語音錄入系統。

5.云醫生：這個功能可以輔助醫生查房、記錄、檢查等，核心應用是在醫生查房時通過醫生口述來識別并記錄數據。

6.醫療服務機器人：科大訊飛可以說是較早進入醫療服務機器人領域的企業，其在合肥市第一人民醫院和北京301醫院先后投入了“曉曼”醫療輔助機器人，“曉曼”能通過語音識別提供向導、咨詢、分流等服務。據報道，“曉曼”可以提供醫院位置咨詢、219個常見病和癥狀咨詢、51個常見知識問詢，還能夠通過自適應學習提升在方言上的理解能力。

總體來說，硬件麥克風和語音電子病歷構成了科大訊飛醫療智能語音產品的核心。這個體系通常由3部分組成：夾在醫生領口的醫學麥克風、裝在醫生口袋的發射器及插在工作電腦上的接收器。診斷過程中，醫生以口述的方式說出患者的病歷，系統通過自然語言處理技術將其轉換成結構化的信息，形成包括患者檢查史、病史、檢查結果、身體指標等信息的結構化電子病歷，并在工作電腦上生成記錄。相比龍醫療平臺近10年的應用和50萬名醫師的覆蓋，科大訊飛的語音病歷系統仍處于商用的初級階段，產品的推廣和技術升級仍有待時日。對于科大訊飛公司來說，好消息是龍醫療產品并未進入中國市場，同為語音龍頭的科大訊飛具備廣闊的發展空間和趕超的時間窗口。

與科大訊飛公司一樣，基于語音技術耕織醫療市場的還有另外一家國內早期落地的語音識別技術公司云知聲。云知聲專注物聯網人工智能，構建了“芯片+UI+服務”體系。這家公司成立于2012年，主要利用機器學習平臺在語音技術、語言技術、知識計算、大數據分析等領域進行技術投入，并通過應用層面的AI芯片、AIUI、AI Service三大解決方案支撐技術落地。

在醫療領域，云知聲公司與飛利浦公司合作搭建了語音病歷系統。飛利浦面向醫療的專業手持錄入設備在國外醫療市場占有率超過70%，2014年云知聲與其建立合作，是其在中國唯一的總代理。云知聲提供的語音病歷系統以面向醫療領域的高性能識別引擎為基礎，以飛利浦的手持外設錄入設備為輔，能夠與醫院信息化系統對接，將醫生的語音轉錄成文字內容并顯示在醫院信息系統（HIS）、影像歸檔和通信系統系統（PACS）中。

這家公司的病歷語音系統包含了4種主要技術。

1.醫療領域語言模型：該模型匯總超過30 GB的醫療文本資料，覆蓋各科室常用的病癥、藥品名稱、操作步驟等信息，針對3 000余個醫療特殊符號進行優化，整體識別準確率超過95%。此外，系統通過深度定制的方式，為40多個臨床和醫技科室提供分場景支持，在神經科、免疫內科、血液科、普通內科等疑難雜癥患者較多的科室應用效果良好，個別科室的識別率超過98%。

2.云端語義矯正：云端語義矯正技術可以修正本地識別中不準確的詞語。

3.個性化語言模型：語音錄入系統可以與用戶賬號綁定，醫生登陸HIS系統時將自動加載所在科室的語言模型，醫生也可以根據自己的使用習慣添加常用詞匯。

4.自學優化系統：云知聲應用了無監督的自適應技術來解決醫生的口音問題，在醫生的正常使用過程中，識別準確率會逐漸提升。

云知聲以三甲醫院為主要客戶初步推廣，目前已覆蓋60多家醫院。公司產品已經在全國20多家有代表性的大型綜合三甲醫院正式上線。此外，云知聲與平安好醫生、春雨醫生建立合作，希望在此基礎上切入移動醫療領域。目前，該系統可以節省醫生超過38%的病歷錄入時間，同時避免了繁重工作下的復制、粘貼操作，提升病歷輸入的規范性和安全性。

云知聲與科大訊飛在產品化的方向上并沒有本質的區別，只是在具體的商業拓展上有所不同：在對語音識別很關鍵的智能麥克風上，云知聲選擇了與既有廠商合作，科大訊飛選擇了自己制造硬件；在合作科室的選擇上，科大訊飛聚焦口腔和超聲，云知聲支持40多個科室。筆者認為，智能技術與醫療場景需要深度的融合，從有限科室開始試點逐步拓展至更多科室更加務實。

語音技術在醫療產業的前景

施樂公司PARC研究所發明的圖形界面電腦改變了人類與電腦的交互方式，喬布斯發明的智能手機創造了人機交互的新方式，每一次人機交互新技術的發現都給人類社會帶來了翻天覆地的變化。作為人機交互技術的下一步，通過語音、手勢乃至腦電波等更有效率的方式來與機器交互是人機交互發展必然經歷的過程。

今天，語音識別技術的準確度已經超過人類的平均水平，不過在對語義的理解以及對語義上下文的理解上還有所欠缺，理解了語義后如何做出正確響應的后臺知識庫儲備還有不足。隨著這些相關技術的成熟與發展，語音技術將會贏來如智能手機般的突破式發展機遇，其與各個產業的結合在深度和廣度上也會不斷強化。

作為產業從業者應把握此次機遇。巨頭公司如百度、科大訊飛等應致力于探索底層技術的突破，解決前面所提到的挑戰；醫療應用公司應致力于探索語音識別技術與醫療場景可以結合的地方，尋找可落地、可商業化的應用；醫療機構也應積極擁抱變化，敢于嘗試新技術、新方法來提高效率，改善醫療質量……

過去，每次新技術來臨時我們都表現出了猶豫不決，但經歷過多次新技術升級的人類社會已經逐漸適應了快速變化的環境，與其反復討論不如快速試錯，在實踐中學習總結并不斷迭代才是擁抱人工智能來臨的正確姿勢。