基于循證醫(yī)學(xué)知識(shí)庫的智能預(yù)問診系統(tǒng)的研究與實(shí)踐

曹茂誠(chéng), 胡莉

(深圳市寶安區(qū)人民醫(yī)院， 廣東 深圳 518101)

0 引言

隨著國(guó)內(nèi)新冠疫情的有效控制，疫情防控已進(jìn)入新常態(tài)，醫(yī)院既要為廣大市民提供良好的就醫(yī)服務(wù)，第一時(shí)間診治新冠患者，又要實(shí)現(xiàn)院內(nèi)零感染，責(zé)任與壓力并重。隨著人工智能技術(shù)的快速發(fā)展，以及智能科技與醫(yī)學(xué)的交叉融合，探索與健康中國(guó)相適應(yīng)的新型醫(yī)療服務(wù)模式，構(gòu)建以現(xiàn)代科技手段賦能全生命周期各個(gè)環(huán)節(jié)的新型健康服務(wù)體系，建立全流程的健康服務(wù)變得勢(shì)在必行，特別是在疫情防控常態(tài)化新形勢(shì)下，醫(yī)療機(jī)構(gòu)勢(shì)必全面擁抱互聯(lián)網(wǎng)，快速進(jìn)入智慧轉(zhuǎn)型“深水區(qū)”。2020年，國(guó)家衛(wèi)健委接連發(fā)布文件[1-3]，強(qiáng)調(diào)要充分發(fā)揮互聯(lián)網(wǎng)優(yōu)勢(shì)，把新冠疫情防控工作落實(shí)、落細(xì)、落到位；充分發(fā)揮信息化在創(chuàng)新診療模式、提升服務(wù)效率、促進(jìn)人員安全有序流動(dòng)等方面的支撐作用。

如何有效利用互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、5G等新興技術(shù)，在確保院內(nèi)零感染的基礎(chǔ)上，給廣大患者提供優(yōu)質(zhì)、便捷、安全的智慧醫(yī)療服務(wù)已成為當(dāng)前各公立醫(yī)院全面貫徹落實(shí)習(xí)近平總書記關(guān)于堅(jiān)決打贏疫情防控阻擊戰(zhàn)亟待解決的關(guān)鍵問題之一。

常規(guī)診療流程主要由掛號(hào)、候診、就診、繳費(fèi)、檢查等組成。如何將疫情防控關(guān)口前移，將患者原先需要在醫(yī)院才能完成的流程，借助互聯(lián)網(wǎng)技術(shù)能夠在家里完成，減少醫(yī)院現(xiàn)場(chǎng)就診時(shí)間，避免大量人群聚集帶來的交叉感染風(fēng)險(xiǎn)就顯得尤為重要。

國(guó)外人工智能應(yīng)用在醫(yī)療服務(wù)領(lǐng)域起步較早[4-5]，2015年，IBM“沃森”僅用時(shí)10分鐘就為一名女性病人精準(zhǔn)診斷出白血病，并向相關(guān)醫(yī)療機(jī)構(gòu)提出了治療方案。盡管人工智能技術(shù)與醫(yī)療服務(wù)融合應(yīng)用在國(guó)內(nèi)才剛剛起步,但發(fā)展迅速，從2003年的非典SARS開始，人工智能技術(shù)已在疫情監(jiān)測(cè)預(yù)警領(lǐng)域得到了廣泛應(yīng)用[6]。與2003年的SARS相比，本次新冠肺炎具有潛伏期更長(zhǎng)、傳播傳染性更強(qiáng)、無癥狀攜帶者導(dǎo)致防控難度更大等特點(diǎn)。重慶醫(yī)科大學(xué)附屬第一醫(yī)院的胡磊等[7]在人工咨詢基礎(chǔ)上，擴(kuò)展了基于AI的新冠肺炎自診、健康手冊(cè)、熱點(diǎn)問題速查等技術(shù)，為多學(xué)科線上診療打下了堅(jiān)實(shí)根基。

我院將循證醫(yī)學(xué)理論與人工智能技術(shù)深度融合[8-10]，通過智能預(yù)問診系統(tǒng)對(duì)在線問診植入AI能力，創(chuàng)新性地將門診服務(wù)延伸到診前，通過大眾端人工智能與患者問答的形式，結(jié)構(gòu)化采集患者的基礎(chǔ)信息及病史信息。在新冠疫情防控期間，“互聯(lián)網(wǎng)+醫(yī)療健康”創(chuàng)新服務(wù)模式有效避免了人群聚集，減少了醫(yī)院現(xiàn)場(chǎng)就診時(shí)間，大幅降低了新冠肺炎交叉感染概率，提升了醫(yī)患高效溝通效率。

1 系統(tǒng)架構(gòu)圖

智能預(yù)問診系統(tǒng)主要分為互聯(lián)網(wǎng)區(qū)域和醫(yī)院內(nèi)網(wǎng)部分，如圖1所示。

圖1 智能預(yù)問診系統(tǒng)架構(gòu)圖

互聯(lián)網(wǎng)區(qū)域主要是給患者提供手機(jī)端服務(wù)，患者可以在手機(jī)端通過微信小程序形式錄入個(gè)人信息；醫(yī)院內(nèi)網(wǎng)主要是實(shí)現(xiàn)服務(wù)器、存儲(chǔ)、接口服務(wù)器等部署。由于系統(tǒng)要對(duì)外提供服務(wù)，對(duì)信息安全要求極高，方案采用網(wǎng)閘對(duì)醫(yī)院內(nèi)、外網(wǎng)進(jìn)行物理隔離，醫(yī)院內(nèi)、外網(wǎng)通過端口映射方式提供外網(wǎng)訪問。通過反向代理技術(shù)NGIX，隱藏了服務(wù)器具體位置及信息，實(shí)現(xiàn)了負(fù)載均衡，提高了系統(tǒng)安全性。

2 循證醫(yī)學(xué)知識(shí)庫

2.1 知識(shí)組織、標(biāo)準(zhǔn)化

循證醫(yī)學(xué)知識(shí)客體主要包括收集、整理、分類、過濾、加工、提取、建模等流程。通過建立疾病庫、藥品庫、檢查庫和疾病診治相關(guān)的知識(shí)庫實(shí)現(xiàn)對(duì)知識(shí)單元的描述和標(biāo)引，明確知識(shí)節(jié)點(diǎn)之間的邏輯關(guān)系。建立疾病名稱、疾病診療、藥物體系、檢查體系等區(qū)域醫(yī)學(xué)知識(shí)庫，規(guī)范診療行為，提高醫(yī)療質(zhì)量。對(duì)診療行為全流程動(dòng)態(tài)監(jiān)控，輔助醫(yī)生臨床決策，減少漏診、誤診。

2.2 基于知識(shí)庫的臨床支持模型

2.2.1 疾病數(shù)據(jù)庫

包括各?？萍膊∽V信息，例如疾病名稱、診斷、病因、并發(fā)癥、流行病學(xué)、檢驗(yàn)檢查、其他輔助檢查等信息。

2.2.2 藥品數(shù)據(jù)庫

包括藥品所有詳細(xì)信息，例如藥品商品名稱、通用名稱、配伍禁忌、適應(yīng)癥、禁忌癥、注意事項(xiàng)、用法用量、不良反應(yīng)等信息。

2.2.3 檢驗(yàn)檢查數(shù)據(jù)庫

包括各類檢驗(yàn)檢查項(xiàng)目信息，例如名稱、臨床作用、不良反應(yīng)、是否空腹、正常值等信息。

2.2.4 循證醫(yī)學(xué)數(shù)據(jù)庫

包括臨床指南、診療評(píng)價(jià)和臨床基礎(chǔ)研究，其中臨床基礎(chǔ)研究包括對(duì)照臨床實(shí)驗(yàn)、非對(duì)照臨床實(shí)驗(yàn)、隨機(jī)對(duì)照實(shí)驗(yàn)、非隨機(jī)對(duì)照實(shí)驗(yàn)、病理分析及橫斷面研究等信息。

2.2.5 臨床輔助診斷

主要提供輔助診斷治療，根據(jù)病人的癥狀，通過智能輔助診斷決策引擎，推斷出患者的疑似診斷，提供鑒別診斷的檢驗(yàn)、檢查項(xiàng)目，在醫(yī)生確診后提供合適的治療方案供醫(yī)生參考。

3 關(guān)鍵技術(shù)

3.1 循證醫(yī)學(xué)標(biāo)準(zhǔn)

臨床醫(yī)療服務(wù)是嚴(yán)謹(jǐn)?shù)?、專業(yè)的，需要有一套國(guó)家標(biāo)準(zhǔn)作為服務(wù)的基礎(chǔ)，因此首先對(duì)國(guó)際上、國(guó)家衛(wèi)健委、中華醫(yī)學(xué)會(huì)、各醫(yī)學(xué)專委會(huì)等發(fā)布的指南、路徑、規(guī)范等相關(guān)醫(yī)學(xué)標(biāo)準(zhǔn)進(jìn)行收集、整理，結(jié)合最新的信息化、人工智能，建立結(jié)構(gòu)化、關(guān)聯(lián)化、智能化的臨床決策模型，再按照臨床診療診前、診中、診后實(shí)際場(chǎng)景的需求，按照不同病種的實(shí)際問題及患者回答的答案，實(shí)時(shí)動(dòng)態(tài)生成預(yù)問診問題，模擬臨床醫(yī)生問診，全面收集主訴、現(xiàn)病史、既往史、家族史、過敏史等信息，通過系統(tǒng)的智能診斷模型，初步給出5個(gè)疑似診斷，系統(tǒng)再結(jié)合以上信息為醫(yī)生推薦鑒別診斷需要的檢驗(yàn)、檢查項(xiàng)目，在醫(yī)生確診后，系統(tǒng)推薦國(guó)家標(biāo)準(zhǔn)治療方案供醫(yī)生參考。

3.2 醫(yī)學(xué)術(shù)語

醫(yī)學(xué)專業(yè)術(shù)語對(duì)于普通大眾來說是一個(gè)難題，系統(tǒng)通過手機(jī)患者醫(yī)療常用的俗語建立俗語與專業(yè)術(shù)語的關(guān)聯(lián)庫，在終端以通俗化用語呈現(xiàn)，輔助提供圖文、音視頻輔助患者對(duì)問題正確地理解并做出準(zhǔn)確的回答?；颊咛峁┫到y(tǒng)的問題和答案都是采用簡(jiǎn)練的詞語，針對(duì)單獨(dú)的詞語怎樣組成一份完整的病歷(類似醫(yī)生書寫的病歷)，系統(tǒng)對(duì)于患者的結(jié)構(gòu)化錄入后臺(tái)有一套語言組裝模型，可以自動(dòng)生成一份完整病歷，可以一鍵快速導(dǎo)入到病歷系統(tǒng)。

3.3 人工智能

系統(tǒng)采用基于TensorFlow的深度學(xué)習(xí)框架，基于機(jī)器學(xué)習(xí)、人工智能和自然語言處理NLP等技術(shù)，通過對(duì)海量循證醫(yī)學(xué)標(biāo)準(zhǔn)進(jìn)行深度挖掘和學(xué)習(xí)，形成智能化問診模型及智能輔助診斷模型，并進(jìn)行推理運(yùn)算將后期臨床經(jīng)驗(yàn)豐富的專家經(jīng)驗(yàn)提煉成AI深層神經(jīng)網(wǎng)絡(luò)模型算法，將循證醫(yī)學(xué)與本地化特色經(jīng)驗(yàn)相結(jié)合。

在遵循醫(yī)學(xué)規(guī)律的前提下結(jié)合醫(yī)學(xué)業(yè)務(wù)邏輯，設(shè)計(jì)不同的決策模型，如藥效評(píng)估模型、病史采集模型、手術(shù)方案決策模型等。通過使用統(tǒng)計(jì)學(xué)和機(jī)器學(xué)習(xí)方法，結(jié)合醫(yī)學(xué)數(shù)據(jù)源的特點(diǎn)通過真實(shí)臨床數(shù)據(jù)、樣本數(shù)據(jù)對(duì)原始模型進(jìn)行訓(xùn)練、評(píng)估、糾錯(cuò)多維度符合提升系統(tǒng)的智能化。

(1) 決策樹歸納推薦算法

醫(yī)療數(shù)據(jù)的挖掘技術(shù)旨在從海量醫(yī)療數(shù)據(jù)中提取有效的模型、關(guān)聯(lián)、規(guī)則、變化以及普遍的規(guī)律，加速醫(yī)生決策診斷和提高其決策診斷的準(zhǔn)確度，決策樹算法目前是應(yīng)用最為廣泛的歸納推理算法之一。智能預(yù)問診系統(tǒng)正是基于循證醫(yī)學(xué)知識(shí)庫結(jié)合決策樹歸納算法對(duì)病人的病癥進(jìn)行分類預(yù)測(cè)以及數(shù)據(jù)分析。

(2) 貝葉斯定理

貝葉斯定理是統(tǒng)計(jì)學(xué)中非常重要的一個(gè)定理，智能預(yù)問診系統(tǒng)基于循證醫(yī)學(xué)知識(shí)模型應(yīng)用貝葉斯定理來保證醫(yī)療診斷過程的有效性，對(duì)于新的實(shí)例的預(yù)測(cè)和預(yù)警都有很好的使用效果。

(3) 神經(jīng)網(wǎng)絡(luò)

智能預(yù)問診系統(tǒng)底層基礎(chǔ)醫(yī)學(xué)邏輯基于循證醫(yī)學(xué)標(biāo)準(zhǔn)利用類似于AlphaGo的神經(jīng)網(wǎng)絡(luò)算法模式，構(gòu)建一個(gè)醫(yī)療界的AlphaGo，構(gòu)建的前提是快速訓(xùn)練，可擴(kuò)展。

3.4 大數(shù)據(jù)平臺(tái)

智能預(yù)問診系統(tǒng)在臨床應(yīng)用一段時(shí)間后，會(huì)產(chǎn)生大量的病歷數(shù)據(jù)可以用于后續(xù)的臨床研究。通過建立分布式大數(shù)據(jù)平臺(tái)，將院內(nèi)所有的數(shù)據(jù)實(shí)現(xiàn)統(tǒng)一集成、統(tǒng)一存儲(chǔ)、統(tǒng)一管理，形成數(shù)據(jù)資產(chǎn)。通過大數(shù)據(jù)的數(shù)據(jù)建模、結(jié)構(gòu)化處理、知識(shí)庫建模、語義分析、基礎(chǔ)庫建設(shè)、專題庫建設(shè)等技術(shù)，實(shí)現(xiàn)數(shù)據(jù)的研究分析，為醫(yī)教研提供數(shù)據(jù)支撐。系統(tǒng)存儲(chǔ)架構(gòu)如圖2所示。

圖2 系統(tǒng)存儲(chǔ)架構(gòu)圖

數(shù)據(jù)處理如圖3所示。

圖3 數(shù)據(jù)處理圖

系統(tǒng)后臺(tái)采用Hadoop分布式文件系統(tǒng)HDFS存儲(chǔ)海量的結(jié)構(gòu)化及半結(jié)構(gòu)化數(shù)據(jù)，針對(duì)醫(yī)療數(shù)據(jù)查詢分析的實(shí)時(shí)性和延時(shí)需求，對(duì)于實(shí)時(shí)性要求較高的需要采用Storm內(nèi)存流式計(jì)劃框架進(jìn)行實(shí)時(shí)數(shù)據(jù)分析，對(duì)于離線數(shù)據(jù)采用Hadoop MapReduce計(jì)算框架，例如大量的醫(yī)療病歷數(shù)據(jù)。平臺(tái)主要以Hadoop 2.0技術(shù)框架為基礎(chǔ),采用Ubuntu16.04系統(tǒng),由8臺(tái)華為E5-2699服務(wù)器組成數(shù)據(jù)管理平臺(tái)，每臺(tái)服務(wù)器內(nèi)存16×16G DDR4 2 400 MHz，機(jī)身自帶硬盤1塊1 200G PCI-E SSD盤, 2塊300 GB 2.5寸≥10 Krpm工業(yè)級(jí)硬盤， 9塊4TB SATA 盤，總存儲(chǔ)容量近300 T。

醫(yī)療數(shù)據(jù)主要來源于臨床指南、臨床路徑、診療規(guī)范、診斷學(xué)、臨床用藥指南、檢驗(yàn)檢查指南等相關(guān)的循證醫(yī)學(xué)標(biāo)準(zhǔn)以及本院臨床實(shí)例。存在形式主要分為半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。數(shù)據(jù)通過初級(jí)轉(zhuǎn)化存入HDFS中，結(jié)構(gòu)化數(shù)據(jù)通過序列化后存入HDFS中，不能夠序列化的數(shù)據(jù)，通過數(shù)據(jù)整理后統(tǒng)一存放在分布式數(shù)據(jù)庫環(huán)境中，再經(jīng)過序列化后放入HDFS中。數(shù)據(jù)處理是對(duì)收集到的數(shù)據(jù)進(jìn)行加工整理，形成適合數(shù)據(jù)分析的數(shù)據(jù)資產(chǎn)，例如對(duì)非結(jié)構(gòu)化、半結(jié)構(gòu)化醫(yī)療數(shù)據(jù)經(jīng)過數(shù)據(jù)的抽取、清洗、過濾、轉(zhuǎn)換、加載等，并在數(shù)據(jù)處理過程中，剔除重復(fù)數(shù)據(jù)、補(bǔ)充缺失數(shù)據(jù)、處理格式不統(tǒng)一數(shù)據(jù)等，最終將大量雜亂無章難以理解的數(shù)據(jù)推導(dǎo)出有效數(shù)據(jù)，建立各種決策模型。

4 應(yīng)用效果

預(yù)問診系統(tǒng)采用了醫(yī)院與深圳某軟件企業(yè)聯(lián)合開發(fā)模式，由系統(tǒng)架構(gòu)師、軟件設(shè)計(jì)師、需求分析師和臨床醫(yī)生等不同角色人員組成了8人開發(fā)團(tuán)隊(duì)，開發(fā)周期總耗時(shí)4個(gè)月，于2019年1月在我院選取患者數(shù)量多、陪診家屬也多的兒科進(jìn)行了智能預(yù)問診系統(tǒng)的試點(diǎn)上線工作。截止到目前，系統(tǒng)運(yùn)行穩(wěn)定，取得了階段性的成果。系統(tǒng)使用前后對(duì)比如表1所示。

表1 系統(tǒng)使用前后對(duì)比

通過使用智能預(yù)問診系統(tǒng)前后對(duì)比可以明顯看出，一方面醫(yī)生能夠提前全面掌握患者病情，將門診醫(yī)生從大量繁瑣的病歷書寫中解放出來，轉(zhuǎn)而投入到更有價(jià)值的診療服務(wù)中，把時(shí)間留給患者；另一方面，在幫助臨床醫(yī)生提高服務(wù)上限的同時(shí)減少患者在醫(yī)院就診時(shí)間，避免了大量人群聚集帶來的交叉感染風(fēng)險(xiǎn)，幫助醫(yī)院管理者守住了安全底線，增加了醫(yī)患溝通時(shí)間，有效改善了醫(yī)患關(guān)系，提升了患者就醫(yī)體驗(yàn)。

5 總結(jié)

通過使用智能預(yù)問診系統(tǒng)，我院將門診服務(wù)前移，優(yōu)化了診療流程，患者在診前就可以參與到診療過程，延長(zhǎng)了醫(yī)患高質(zhì)量有效溝通時(shí)間，降低了誤診率，提高了患者滿意度，

構(gòu)建了和諧的醫(yī)患關(guān)系。在新冠疫情防控期間，有效避免了大量人群聚集帶來的交叉感染風(fēng)險(xiǎn)，既確保了院內(nèi)零感染，醫(yī)院門診業(yè)務(wù)量又穩(wěn)中有升，圓滿完成了黨和政府賦予的時(shí)代使命，革新了傳統(tǒng)診療服務(wù)流程，開創(chuàng)了“互聯(lián)網(wǎng)+醫(yī)療健康”服務(wù)新模式。