智能語音識別技術(shù)在醫(yī)療領(lǐng)域中的應(yīng)用研究

趙 夢 任海玲 廖 聰 陳 婷 何翔宇

1.寧夏醫(yī)科大學(xué)臨床學(xué)院，寧夏銀川 750004；2.銀川市第一人民醫(yī)院信息管理部，寧夏銀川 750001

智能語音識別技術(shù)（automatic speech recognition，ASR）[1]，又稱自動語音識別，是一項利用機(jī)器識別人類語言信號并將其轉(zhuǎn)為文本或命令的技術(shù)。簡單來說就是讓機(jī)器設(shè)備“聽懂”人類語音，從而實現(xiàn)為人類提供便利的目的。

20 世紀(jì)50 年代，貝爾實驗室研發(fā)出Audry 系統(tǒng)[2]，能夠簡單識別10 個英文數(shù)字語音；20 世紀(jì)70 年代，孤立語句發(fā)音的成功識別，為ASR 的突破性發(fā)展提供新的可能；20 世紀(jì)80 年代，傳統(tǒng)思路的改變及隱馬爾可夫模型的建立，使連續(xù)語音識別取得新突破；20 世紀(jì)90 年代，ASR 進(jìn)入快速發(fā)展階段，許多產(chǎn)品化、實用化語音識別系統(tǒng)層出不窮，如應(yīng)用于美國航空公司的PEGASUS 系統(tǒng)、微軟Whisper 系統(tǒng)、Nuance 語音平臺等；進(jìn)入21 世紀(jì)，深度神經(jīng)網(wǎng)絡(luò)的興起使ASR 踏入新征程。人機(jī)語音交互成為新的研究方向，如Android 系統(tǒng)下的Voice Actions，蘋果手機(jī)上的Siri 等。至今，ASR 的發(fā)展進(jìn)入生態(tài)化、產(chǎn)業(yè)化時代，不斷應(yīng)用到智能家居、智能車載、智能音箱、身份識別及農(nóng)業(yè)、工業(yè)、畜牧業(yè)、服務(wù)業(yè)、軍事等領(lǐng)域。近年來，ASR 在醫(yī)療領(lǐng)域的發(fā)展成為人工智能技術(shù)的“新戰(zhàn)場”，醫(yī)療語音識別成為研究熱點(diǎn)，如科大訊飛、騰訊云等爭相發(fā)展，躋身醫(yī)療智能語音發(fā)展的前列，為智慧醫(yī)院建設(shè)賦能增效。

本文總結(jié)歸納了2019～2021年國內(nèi)外ASR在醫(yī)療領(lǐng)域中的應(yīng)用發(fā)展，主要包括以下5 個方面：①ASR 在醫(yī)療文書錄入中的應(yīng)用；②ASR 在疾病輔助診斷中的應(yīng)用；③ASR 在醫(yī)療設(shè)備中的應(yīng)用；④ASR在導(dǎo)診服務(wù)中的應(yīng)用；⑤ASR 在診后隨訪中的應(yīng)用。

1 ASR在醫(yī)療文書錄入中的應(yīng)用

醫(yī)療文書包括病歷、醫(yī)技報告等，其質(zhì)量代表醫(yī)院的學(xué)術(shù)水平和管理水平。ASR 可大幅提高醫(yī)療文書的錄入效率、準(zhǔn)確度、規(guī)范性。因此，眾多學(xué)者在該領(lǐng)域開展研究，主要包括在病歷錄入及報告錄入中的應(yīng)用。

1.1 ASR 在病歷錄入中的應(yīng)用

在普通門診電子病歷應(yīng)用場景中，徐冬等[3]基于“語音云”開發(fā)出醫(yī)療語音輸入助理，使醫(yī)生在使用鍵盤書寫病歷時可一鍵開啟語音輸入，提高病歷錄入效率；多位學(xué)者針對識別過程中出現(xiàn)的多字、漏字、識別錯誤等問題建立各個科室的語料數(shù)據(jù)庫，優(yōu)化醫(yī)療語言模型并增加方言識別功能，解決醫(yī)生錄入慢、電子病歷應(yīng)用推廣難的問題[4-6]；姜會珍等[7]研發(fā)的診室聽譯機(jī)器人通過采用句型識別、問答匹配及歸一化技術(shù)和半截詞指代技術(shù)，將對話自動生成病歷，增加醫(yī)患交流時間和病情處置時間；診室聽譯機(jī)器人，無需醫(yī)生二次復(fù)述，機(jī)器人直接理解醫(yī)患對話后生成電子病歷，解決醫(yī)生對電子病歷模板過分依賴、對患者缺乏個性化描述的問題[8]。在口腔科門診檢查場景中，口腔醫(yī)生雙手被器械占用，將智能語音技術(shù)應(yīng)用于口腔電子病歷中，使口腔醫(yī)生能夠及時準(zhǔn)確記錄病歷[9]；針對口腔科病歷使用大量符號的問題，蔣盼等[10]基于ASR 將語音表述轉(zhuǎn)化為醫(yī)學(xué)符號，拓寬了語音識別在口腔科的應(yīng)用范圍。在中醫(yī)應(yīng)用場景中，中醫(yī)醫(yī)案的記錄和整理是中醫(yī)傳承的重要環(huán)節(jié)，但存在錄入效率低、完整性差等問題。于琦等[11]構(gòu)建的中醫(yī)醫(yī)案語音識別模型，通過語音錄入節(jié)省95%以上的時間，對門診量大但電腦操作不熟練的老專家來說，極大提高了醫(yī)案記錄效率，為中醫(yī)創(chuàng)新傳承提供了有力支持。

1.2 ASR 在報告錄入中的應(yīng)用

目前許多大型醫(yī)院輔助科室的運(yùn)轉(zhuǎn)已達(dá)超負(fù)荷狀態(tài)，醫(yī)生報告速度無法匹配檢查速度。ASR 的應(yīng)用，可有效改善輔助科室醫(yī)療資源緊張的處境。

1.2.1 ASR 在放射科的應(yīng)用 針對放射科診斷報告內(nèi)專業(yè)術(shù)語占比達(dá)60%～70%且使用重復(fù)率極高的問題，李建華[12]以語音應(yīng)用程序編程接口為基礎(chǔ)結(jié)合醫(yī)學(xué)信息技術(shù)實現(xiàn)診斷報告的語音錄入；李偉[13]采用環(huán)境自適應(yīng)技術(shù)，降低因使用者聲學(xué)特點(diǎn)不同和環(huán)境噪音帶來的識別錯誤率；浙江大學(xué)基于CMUsphinx 模型針對放射科專業(yè)術(shù)語使用率高的特點(diǎn)，在原有數(shù)據(jù)庫中進(jìn)一步總結(jié)現(xiàn)有報告內(nèi)的高頻詞匯，成功搭建適用于放射科的語音識別系統(tǒng)，提升了識別效率。

1.2.2 ASR 在超聲科的應(yīng)用 超聲科與放射科不同，其診斷與檢查過程未完全分離，吳龍等[14]構(gòu)建出語音識別模型與超聲系統(tǒng)的集成，使醫(yī)生通過語音命令即可實現(xiàn)叫號、報告錄入、審核、打印等功能，有效節(jié)省資源；某些超聲檢查需要“預(yù)準(zhǔn)備”，如早晨空腹，導(dǎo)致患者檢查時間相對集中、環(huán)境混亂，通過無效語音過濾技術(shù)對語音識別結(jié)果進(jìn)行分離，解決工作場景嘈雜的問題[15]。針對超聲檢查涉及部位較多、診斷結(jié)果復(fù)雜等問題，馬莉等[16]基于ASR設(shè)計出復(fù)雜超聲報告智能生成系統(tǒng)，構(gòu)建復(fù)雜超聲報告生成模型，顯著提升工作效率。

1.2.3 ASR 在病理科的應(yīng)用 病理診斷在醫(yī)院現(xiàn)有診斷方法中具有核心地位，病理報告的生成錄入是其關(guān)鍵步驟。由于病理科場景特殊，切片室需保持無菌環(huán)境，而醫(yī)生雙手被占用，無法及時錄入診斷信息。司超增等[17]利用ASR 進(jìn)行診斷信息錄入，解決了病理取材與診斷報告生成無法同步進(jìn)行的痛點(diǎn)；針對病理報告不同組織屬性不同、不同病種使用指標(biāo)詞不同等問題，可利用依存句法分析將語句結(jié)構(gòu)化，使診斷報告更加精準(zhǔn)[18]；基于自適應(yīng)技術(shù)建立的病理科語音識別系統(tǒng)，通過聲學(xué)模型和語言模型的優(yōu)化，可進(jìn)一步提高識別準(zhǔn)確率[19]。

2 ASR在疾病輔助診斷中的應(yīng)用

近年來，隨著ASR 的發(fā)展，基于ASR 的疾病輔助診斷研究逐漸興起。如Tsanas 等[20]基于ASR 借助隨機(jī)森林與支持向量機(jī)構(gòu)建分類器，采集并分析出帕金森患者10 個最典型的發(fā)音特征，以早期診斷帕金森??；多項研究表明心力衰竭所致聲帶和肺部水腫可影響發(fā)聲和言語呼吸，利用ASR 檢測患者的聲學(xué)特征，可更快診斷出心力衰竭，提高患者生存質(zhì)量[21-23]；Emna 等[24]提出基于深度遞歸神經(jīng)網(wǎng)絡(luò)的語音抑郁識別框架，可快速、無創(chuàng)、無干擾診斷抑郁癥，并通過言語預(yù)測其嚴(yán)重程度；Zealouk 等[25]設(shè)計出基于梅爾頻率倒譜系數(shù)和隱馬爾可夫模型的語音識別系統(tǒng)，鑒別健康人和新型冠狀病毒感染者的咳嗽聲，輔助醫(yī)生區(qū)分無癥狀感染者，篩選病情嚴(yán)重患者；針對新生兒疼痛與非疼痛啼哭難以區(qū)分的問題，湯亞南等[26]運(yùn)用ASR 分類新生兒哭聲，通過收集分析相關(guān)聲學(xué)特征為新生兒疼痛提供客觀評價方法。

3 ASR在醫(yī)療設(shè)備中的應(yīng)用

隨著人工智能的發(fā)展，ASR 作為其重要分支，在醫(yī)療設(shè)備領(lǐng)域的應(yīng)用與改進(jìn)將是其重要發(fā)展方向。

3.1 受眾對象：醫(yī)護(hù)工作者

ASR 結(jié)合各科室的基礎(chǔ)設(shè)備和醫(yī)療工具，可有效提高醫(yī)護(hù)人員工作效率和實時性問題。郭宇峰等[27]研發(fā)出智能語音監(jiān)護(hù)儀操控系統(tǒng)，通過語音識別實現(xiàn)非接觸式控制，減少交叉感染的同時使醫(yī)療資源得到充分利用；借助ASR 設(shè)計的無線手持式語音交互探針，可解決牙周探診中探診力度不可控且參數(shù)無法實時記錄的問題[28]；醫(yī)療語音呼叫系統(tǒng)將NodeMCU 的無線通訊和ASR 引入到呼叫系統(tǒng)中，可解決傳統(tǒng)呼叫系統(tǒng)效率低下且存在溝通缺陷的問題[29]；穿戴式全腹部腸鳴音記錄儀，通過語音端點(diǎn)檢測識別有效腸鳴音，為臨床診療提供了理論基礎(chǔ)[30]；ASR 與傳統(tǒng)病房呼叫系統(tǒng)相結(jié)合，解決病房呼叫系統(tǒng)中信息采集、呼叫類型單一的問題，提高護(hù)士工作效率和緊急救援的實效性[31,32]；在醫(yī)院運(yùn)輸作業(yè)方面，基于語音識別的多功能護(hù)理車，采用STM32 單片機(jī)實現(xiàn)自主路徑規(guī)劃和語音問答等功能，有效降低了醫(yī)護(hù)人員在新型冠狀病毒肺炎疫情防控期間的工作強(qiáng)度和運(yùn)輸過程中被感染的風(fēng)險[33]。

3.2 受眾對象：患者

ASR 的興起極大提高患者的生活質(zhì)量。盧振利等[34]提出的基于語音識別的腦癱康復(fù)訓(xùn)練系統(tǒng)，利用人機(jī)交互與仿生手控制來提升患兒康復(fù)訓(xùn)練效果，使其語言、智力和運(yùn)動功能早日達(dá)到正常人水平；對腦卒中患者的康復(fù)訓(xùn)練，劉玉博[35]提出的肢體康復(fù)設(shè)備可通過語音指令控制主界面，帶動設(shè)備牽引患者肢體運(yùn)動，在一定程度上減輕患者的不便和厭煩情緒；朱西昆[36]則以腦卒中患者手部伸展功能障礙為主，將語音識別與康復(fù)訓(xùn)練系統(tǒng)相結(jié)合，使患者通過訓(xùn)練恢復(fù)手部喪失的功能；王園等[37]將ASR 與防壓瘡多功能醫(yī)療床結(jié)合，通過語音控制醫(yī)療床，實現(xiàn)推背翻身、坐姿轉(zhuǎn)換等功能，提高癱瘓或功能障礙患者的生活質(zhì)量；對慢性病患者而言，自我健康管理尤為重要，陳強(qiáng)等[38]設(shè)計的慢性病管理語音機(jī)器人通過人機(jī)交互為患者提供體征監(jiān)測、健康宣教、效果評估和統(tǒng)計分析等管理服務(wù)，形成對慢性病人群的一體化治療。

3.3 受眾對象：特殊群體

伴隨科學(xué)技術(shù)的發(fā)展，部分學(xué)者將目光投向常被科技發(fā)展所忽略的特殊群體，包括老年人、殘障人士等。從老年人陪護(hù)角度出發(fā)，研發(fā)出智能輪椅床語音交互系統(tǒng)[39]；基于語音識別的醫(yī)用護(hù)理床，通過語音控制來改善晚年失能老人的養(yǎng)老護(hù)理情況[40]；老年人不僅要面臨生理功能下降等問題，還要面對孤獨(dú)的心理情感，將ASR 與助老陪護(hù)機(jī)器人結(jié)合，可解決護(hù)理和陪伴不足的問題，推動助老服務(wù)的人性化發(fā)展[41]。截止2020 年2 月，中國殘聯(lián)統(tǒng)計數(shù)據(jù)顯示，中國殘障人士總數(shù)已達(dá)8500 萬，他們的生活狀況亟待改善。華凱晨等[42]提出基于語音合成的殘疾人輔助交互系統(tǒng)，通過搭建Speech SDK 平臺實現(xiàn)高效流暢的人機(jī)交互，解決殘疾人與外界交流困難的問題；市場上盲人群體的可穿戴智能設(shè)備少之又少，為保障他們生活的安全和便利，儲著華等[43]設(shè)計的智能盲人導(dǎo)航眼鏡結(jié)合語音識別、GPS定位、傳感器等技術(shù)，從而實現(xiàn)避障、導(dǎo)航定位、拍照和掃描二維碼等基礎(chǔ)生活功能。

4 ASR在導(dǎo)診服務(wù)中的應(yīng)用

導(dǎo)診是醫(yī)院門診的第一窗口，不僅是患者就醫(yī)的首要環(huán)節(jié)，更貫穿于整個就醫(yī)過程，承擔(dān)多種職責(zé)。由于分級診療的不斷推進(jìn)，傳統(tǒng)導(dǎo)診模式已然力所不及，信息化、智能化導(dǎo)診服務(wù)正逐漸發(fā)揮引領(lǐng)作用。ASR 作為人工智能的重要發(fā)展方向之一，在導(dǎo)診系統(tǒng)的科技創(chuàng)新和專業(yè)化細(xì)分上做出極大貢獻(xiàn)，其應(yīng)用于導(dǎo)診服務(wù)場景中，主要以智能語音機(jī)器人和第三方信息平臺為依托。

智能語音機(jī)器人，如鈦米防疫導(dǎo)診機(jī)器人、“曉醫(yī)”導(dǎo)診機(jī)器人、深圳龍崗婦幼保健院的專科導(dǎo)診機(jī)器人及軟銀人形機(jī)器人“Pepper”等，通過ASR，借助機(jī)器人載體，完成智能分診、消毒、醫(yī)療咨詢、語音宣教等工作，防止人員聚集，降低交叉感染的風(fēng)險[44-47]；利用人機(jī)對話實現(xiàn)語音掛號，通過語音導(dǎo)航幫助患者快速準(zhǔn)確找到診室，節(jié)省就診時間；配有多種語言模式的導(dǎo)診機(jī)器人，能夠識別口音濃重的“川普”“廣普”，便于外地患者就醫(yī)；開啟“聊天”模式時，可有效緩解安撫患者及家屬焦慮緊張的情緒，尤其是容易哭鬧的兒童患者；第三方導(dǎo)診平臺[48]，如京東健康、訊飛健康、平安好醫(yī)生、丁香醫(yī)生等網(wǎng)站或應(yīng)用APP，利用語音交互實現(xiàn)智能導(dǎo)診、疾病自查等功能，為不會打字的患者提供便利，降低智慧醫(yī)療資源的使用門檻。

5 ASR在診后隨訪中的應(yīng)用

隨訪是醫(yī)生了解患者病情變化、指導(dǎo)患者康復(fù)、改善醫(yī)患關(guān)系的重要手段，但隨訪工作量大且質(zhì)量參差不齊。針對隨訪工作所存在問題，姚剛等[49]將語音識別與醫(yī)院內(nèi)部隨訪系統(tǒng)集成，實現(xiàn)對患者出院后的全方位管理，減輕醫(yī)務(wù)人員工作量，緩解疫情暴發(fā)以來各醫(yī)院資源緊張的現(xiàn)狀；王思源等[50]針對高血壓人群提出基于語音交互的人工智能電話隨訪平臺，總體信息采集正確率達(dá)到90.2%，節(jié)省大量資源的同時提高慢性病患者就醫(yī)體驗，推動慢性病隨訪的高質(zhì)量發(fā)展。

6 展望

ASR 在醫(yī)療領(lǐng)域的應(yīng)用正向?qū)嵱没?、?biāo)準(zhǔn)化快速邁進(jìn)。由于ASR 在醫(yī)療領(lǐng)域中的應(yīng)用研究相比深度學(xué)習(xí)、數(shù)據(jù)挖掘等技術(shù)發(fā)展時間較短，在其應(yīng)用過程中仍存在一些問題和不足：①受醫(yī)療環(huán)境、醫(yī)生及患者普通話標(biāo)準(zhǔn)程度、電子病歷結(jié)構(gòu)化水平不一等因素影響，語音識別及病歷轉(zhuǎn)換準(zhǔn)確率存在巨大挑戰(zhàn)。②與基于機(jī)器學(xué)習(xí)、醫(yī)療數(shù)據(jù)挖掘等技術(shù)的疾病輔助診斷研究相比，基于ASR 的疾病輔助診斷研究較少，只適用于少數(shù)疾病且訓(xùn)練數(shù)據(jù)集體積小，缺乏足夠的臨床實踐驗證，因此目前無法廣泛應(yīng)用。ASR 如何作為一種客觀、實用的輔助診斷方法面臨巨大挑戰(zhàn)。③受各醫(yī)院科室設(shè)備及系統(tǒng)種類繁多、供應(yīng)廠商不同等因素影響，ASR 在實現(xiàn)系統(tǒng)對接和信息接收處理協(xié)調(diào)性方面存在巨大挑戰(zhàn)。

在現(xiàn)有ASR 的研究基礎(chǔ)上，應(yīng)當(dāng)結(jié)合當(dāng)下醫(yī)療行業(yè)的發(fā)展近況，繼續(xù)探索ASR 在智慧醫(yī)療領(lǐng)域中的發(fā)展?jié)摿?，著力解決其應(yīng)用過程中的問題與不足，使ASR 更加廣泛地應(yīng)用到實際醫(yī)療場景中。