面向機(jī)器學(xué)習(xí)的智慧診療語(yǔ)料庫(kù)構(gòu)建研究

凌 天，焦 陽(yáng)，狄碧云，翁曉蘭，李露芳

（浙江中醫(yī)藥大學(xué)圖書(shū)館，浙江 杭州 310053）

在健康中國(guó)戰(zhàn)略背景下，效率較低的醫(yī)療體系、質(zhì)量欠佳的醫(yī)療服務(wù)、看病難且貴的就醫(yī)現(xiàn)狀已成為社會(huì)關(guān)注焦點(diǎn)，反映醫(yī)療資源與需求不平衡的突出問(wèn)題。在2016 年中共中央政治局審議通過(guò)的《“健康中國(guó)2030”規(guī)劃綱要》中，強(qiáng)調(diào)全面建成統(tǒng)一權(quán)威、互聯(lián)互通的人口健康信息平臺(tái)，規(guī)范和推動(dòng)‘互聯(lián)網(wǎng)+健康醫(yī)療’服務(wù)。智慧醫(yī)療可提供更優(yōu)質(zhì)的醫(yī)療服務(wù)，保障人民健康。以語(yǔ)料庫(kù)為支撐的輔助診療終端如醫(yī)用機(jī)器人、虛擬家庭醫(yī)生護(hù)理等方式提供智慧診療服務(wù)是當(dāng)下智慧醫(yī)療發(fā)展的前沿趨勢(shì)之一。而語(yǔ)料庫(kù)是遵循特定標(biāo)準(zhǔn)采集而來(lái)的能夠代表某種語(yǔ)言特征的數(shù)據(jù)集，可從規(guī)?；Z(yǔ)料集中精確提取語(yǔ)料，挖掘出隱藏價(jià)值信息，聯(lián)合定性與定量方法研究關(guān)聯(lián)數(shù)據(jù)組織成知識(shí)加以利用。隨著人工智能與大數(shù)據(jù)新興理論發(fā)展，機(jī)器學(xué)習(xí)技術(shù)得以興起，通過(guò)學(xué)習(xí)樣本數(shù)據(jù)內(nèi)在關(guān)聯(lián)與特征表現(xiàn)獲得計(jì)算機(jī)語(yǔ)言所理解的文字、圖像和聲音等數(shù)據(jù)，其最終目標(biāo)是讓計(jì)算機(jī)像人一樣具有分析學(xué)習(xí)能力，能夠識(shí)別語(yǔ)音和圖像等數(shù)據(jù)。將機(jī)器學(xué)習(xí)技術(shù)應(yīng)用于語(yǔ)料庫(kù)建設(shè)，可明顯降低項(xiàng)目成本與工作量。因此，本研究將語(yǔ)料庫(kù)與現(xiàn)代醫(yī)學(xué)結(jié)合，構(gòu)建基于機(jī)器學(xué)習(xí)的智慧診療語(yǔ)料庫(kù)，將復(fù)雜的疾病癥狀、準(zhǔn)確的臨床檢查、有效的治療措施以及詳實(shí)的隨診病歷等匯聚成一體化的數(shù)據(jù)工程，以期讓機(jī)器“學(xué)習(xí)”專家主任級(jí)醫(yī)師診療經(jīng)驗(yàn)，模擬診療時(shí)的思維邏輯，并在實(shí)際應(yīng)用時(shí)給出可行性診治方案，以智慧診療的方式解決醫(yī)療資源與需求不平衡問(wèn)題等社會(huì)問(wèn)題。

1 國(guó)內(nèi)外語(yǔ)料庫(kù)研究現(xiàn)狀動(dòng)態(tài)分析

1.1 國(guó)外研究現(xiàn)狀 語(yǔ)料庫(kù)起源于語(yǔ)言學(xué)研究，以單種語(yǔ)言—英語(yǔ)類為主。在20 世紀(jì)60 年代初，英語(yǔ)語(yǔ)言學(xué)家Francis 和Kucera[1]建立世界上首個(gè)英語(yǔ)文本語(yǔ)料庫(kù)—布朗語(yǔ)料庫(kù)。在20 世紀(jì)80 年代，隨著科學(xué)技術(shù)的不斷發(fā)展，語(yǔ)料語(yǔ)言學(xué)研究領(lǐng)域擴(kuò)展到基于平行語(yǔ)料庫(kù)的英漢互譯、文學(xué)作品和文學(xué)家語(yǔ)言風(fēng)格甚至醫(yī)學(xué)研究等。目前國(guó)外已建成且較有影響的主要有英國(guó)國(guó)家語(yǔ)料庫(kù)The British National Corpus（BNC）[2]與美國(guó)傳統(tǒng)中介語(yǔ)料American Heritage Intermediate Corpus（AHI）[3]，世界著名英語(yǔ)教學(xué)與英語(yǔ)字典語(yǔ)料庫(kù)。醫(yī)學(xué)研究主要有Mollá D 等[4]提出了一個(gè)基于循證醫(yī)學(xué)文本處理的語(yǔ)料庫(kù)，該語(yǔ)料庫(kù)是基于家庭臨床雜志的臨床查詢部分文本信息。

1.2 國(guó)內(nèi)研究現(xiàn)狀 在20 世紀(jì)90 年代以來(lái)，國(guó)內(nèi)專家基于語(yǔ)言學(xué)對(duì)語(yǔ)料庫(kù)展開(kāi)論證研究。1991 年國(guó)家語(yǔ)委文字應(yīng)用管理司組織計(jì)算機(jī)專家對(duì)現(xiàn)代漢語(yǔ)語(yǔ)料庫(kù)總體設(shè)計(jì)，選材原則，漢語(yǔ)語(yǔ)料庫(kù)的規(guī)范和標(biāo)準(zhǔn)等關(guān)鍵性問(wèn)題進(jìn)行充分論證。2008 年劉澤權(quán)等[5]對(duì)語(yǔ)料庫(kù)分詞、標(biāo)注方法進(jìn)行研究，創(chuàng)建《紅樓夢(mèng)》中英雙語(yǔ)語(yǔ)料庫(kù)，系統(tǒng)全面的研究不同譯本的《紅樓夢(mèng)》。近年來(lái)國(guó)內(nèi)部分學(xué)者認(rèn)識(shí)到語(yǔ)料庫(kù)可以用于公共醫(yī)療衛(wèi)生健康研究。2013 年李綱等[6]在充分回溯語(yǔ)料庫(kù)研究的基礎(chǔ)上，探索公共衛(wèi)生突出事件動(dòng)態(tài)監(jiān)測(cè)系統(tǒng)語(yǔ)料庫(kù)構(gòu)建可行性方案。2019 年周永稱等[7]自然語(yǔ)言標(biāo)注工具BRAT 人工處理預(yù)料，構(gòu)建基于文本預(yù)料的精準(zhǔn)醫(yī)學(xué)文本語(yǔ)料庫(kù)。2020 年劉一斌[9]在中文電子病歷命名實(shí)體識(shí)別的基礎(chǔ)上嘗試引入中醫(yī)命名實(shí)體，構(gòu)建中醫(yī)中文電子病歷命名實(shí)體語(yǔ)料庫(kù)。多個(gè)研究探索了在中醫(yī)領(lǐng)域內(nèi)更多的語(yǔ)料庫(kù)應(yīng)用場(chǎng)景[9-13]。2021 年林玉萍等[14，15]提出構(gòu)建醫(yī)學(xué)影像的多模態(tài)語(yǔ)料庫(kù)，根據(jù)醫(yī)療檢查影像實(shí)現(xiàn)甲狀腺結(jié)節(jié)良惡性的精確分類識(shí)別。2022 年多個(gè)研究[16-18]基于中文預(yù)料將大量醫(yī)學(xué)專業(yè)知識(shí)和醫(yī)學(xué)術(shù)語(yǔ)融合，推進(jìn)醫(yī)學(xué)概念規(guī)范化，提高臨床醫(yī)學(xué)研究的效率。

縱觀國(guó)內(nèi)外研究，語(yǔ)料庫(kù)起源于語(yǔ)言學(xué)與文學(xué)并逐漸拓展到不同學(xué)科領(lǐng)域研究，如公共醫(yī)療衛(wèi)生健康等。構(gòu)建以精準(zhǔn)醫(yī)學(xué)、影像醫(yī)學(xué)、中文電子病例作為語(yǔ)料來(lái)源的語(yǔ)料庫(kù)，具有一定的臨床醫(yī)療效果，推動(dòng)語(yǔ)料庫(kù)在醫(yī)學(xué)領(lǐng)域研究的發(fā)展。但仍存在不足之處，如預(yù)料采集方式單一、功能與應(yīng)用場(chǎng)景較為稀少、采集學(xué)科領(lǐng)域較為局限等。基于此，本文采用機(jī)器學(xué)習(xí)技術(shù)搭建智慧診療語(yǔ)料庫(kù)，將復(fù)雜的疾病癥狀、真實(shí)的經(jīng)臨床病歷、安全有效的治療措施等等匯編成語(yǔ)料，提出現(xiàn)在具備可行性的智慧診療應(yīng)用場(chǎng)景，輔助醫(yī)生選擇最優(yōu)治療措施，降低醫(yī)療風(fēng)險(xiǎn)，同時(shí)可降低醫(yī)生工作時(shí)間成本，完善公共醫(yī)療體系，合理分配公共醫(yī)療系統(tǒng)資源，為患者提供優(yōu)質(zhì)便捷的智慧診療服務(wù)。

2 智慧診療語(yǔ)料庫(kù)構(gòu)建方法

2.1 需求調(diào)研階段 需求調(diào)研是構(gòu)建智慧診療語(yǔ)料庫(kù)項(xiàng)目的前期基礎(chǔ)。在明確實(shí)現(xiàn)特定類型功能的語(yǔ)料庫(kù)前提下進(jìn)行角色調(diào)研，收集整理角色用戶自身需求與期望，以此為依據(jù)設(shè)計(jì)語(yǔ)料庫(kù)搭建框架。而智慧醫(yī)療下語(yǔ)料庫(kù)的構(gòu)建最終目標(biāo)就是實(shí)現(xiàn)輔助醫(yī)生智慧診療的應(yīng)用場(chǎng)景，因此在語(yǔ)料庫(kù)構(gòu)建過(guò)程中，研究者要清晰地認(rèn)識(shí)到在智慧診療場(chǎng)景中的活動(dòng)主體，分析醫(yī)生、患者在診療過(guò)程中實(shí)際需求。

2.2 語(yǔ)料庫(kù)設(shè)計(jì)階段 智慧醫(yī)療語(yǔ)料庫(kù)整體采用B/S（瀏覽器/服務(wù)器）架構(gòu)模式。在語(yǔ)料庫(kù)設(shè)計(jì)主要包含4 個(gè)方面：功能目標(biāo)設(shè)計(jì)、技術(shù)路線設(shè)計(jì)、存儲(chǔ)設(shè)計(jì)、數(shù)據(jù)分析與利用設(shè)計(jì)。①功能目標(biāo)設(shè)計(jì)主要包含原始語(yǔ)料采集、數(shù)據(jù)清洗、TextDirectoryCorpus 字典調(diào)用、分詞生詞與標(biāo)注等模塊；②技術(shù)路線設(shè)計(jì)：以人工采集與基于Python 的爬蟲(chóng)技術(shù)采集原始語(yǔ)料數(shù)據(jù)，再通過(guò)Python、NLP（自然語(yǔ)言處理）技術(shù)進(jìn)行語(yǔ)料預(yù)處理和復(fù)雜分析等；③存儲(chǔ)設(shè)計(jì)：以O(shè)racle 數(shù)據(jù)庫(kù)為存儲(chǔ)模塊存儲(chǔ)語(yǔ)料元數(shù)據(jù)，由于各類語(yǔ)料庫(kù)分析軟件需要簡(jiǎn)單直觀的可識(shí)別文本讀取數(shù)據(jù)，因此同時(shí)需要再數(shù)據(jù)庫(kù)所在服務(wù)器終端生成TXT 格式的文本單元數(shù)據(jù)。語(yǔ)料庫(kù)存儲(chǔ)結(jié)構(gòu)目錄如圖1 所示；④數(shù)據(jù)分析與利用設(shè)計(jì)：通過(guò)開(kāi)放數(shù)據(jù)庫(kù)接口的方式拓展數(shù)據(jù)服務(wù)，利用大數(shù)據(jù)、機(jī)器學(xué)習(xí)、云計(jì)算等新興技術(shù)實(shí)現(xiàn)數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)。

圖1 語(yǔ)料庫(kù)存儲(chǔ)結(jié)構(gòu)目錄

2.3 語(yǔ)料采集 原始語(yǔ)料是構(gòu)建語(yǔ)料庫(kù)的基礎(chǔ)。在采集語(yǔ)料的過(guò)程中不僅要注重內(nèi)容收集，還要收集內(nèi)容附屬信息如內(nèi)容來(lái)源、標(biāo)題、時(shí)間等元數(shù)據(jù)信息。由于語(yǔ)料的規(guī)模與質(zhì)量是實(shí)現(xiàn)智慧診療服務(wù)目標(biāo)的前提，因此應(yīng)以采集具有權(quán)威性、真實(shí)性、全面的診療知識(shí)為依據(jù)。智慧診療語(yǔ)料庫(kù)語(yǔ)料可從循證醫(yī)學(xué)數(shù)據(jù)庫(kù)中采集，循證醫(yī)學(xué)是利用現(xiàn)有最好的醫(yī)學(xué)證據(jù)，同時(shí)結(jié)合醫(yī)生臨床經(jīng)驗(yàn)和患者愿望作出醫(yī)療決策。采集方式主要有人工采集和自動(dòng)采集。如圖書(shū)、期刊、典藏古籍等沒(méi)有數(shù)字文本化存檔時(shí)，需進(jìn)行人工采集，但手動(dòng)采集往往工作量較大，且必須反復(fù)校對(duì)，這需要相當(dāng)大的人力與時(shí)間投入。而自動(dòng)采集可以以循證醫(yī)學(xué)電子數(shù)據(jù)庫(kù)（DynaMed、OVID EBM）等為采集對(duì)象，獲取疾病臨床知識(shí)等，但受限于采集字段標(biāo)準(zhǔn)多樣性、網(wǎng)絡(luò)質(zhì)量、數(shù)據(jù)庫(kù)源限制等影響因素，自動(dòng)采集的語(yǔ)料會(huì)不同程度上存在字段不完整、信息缺失等情況，因此還需對(duì)所采集的語(yǔ)料進(jìn)一步加工校對(duì)。典型自動(dòng)采集語(yǔ)料工具有:Python、GooSeeker 等。

2.4 語(yǔ)料預(yù)處理 由于人工與自動(dòng)采集的語(yǔ)料信息往往錯(cuò)綜復(fù)雜，數(shù)據(jù)量龐大直接影響到語(yǔ)料庫(kù)的分析、處理、使用。利用機(jī)器學(xué)習(xí)算法中無(wú)監(jiān)督特征學(xué)習(xí)方式，通過(guò)已標(biāo)注數(shù)據(jù)自編碼器辨別區(qū)分無(wú)標(biāo)注數(shù)據(jù)，選取合適的中英文字典實(shí)現(xiàn)對(duì)生語(yǔ)料的分詞，還要使用除停用詞、標(biāo)注等方法才能形成可用語(yǔ)料信息。目前典型的文本預(yù)處理工具有:SnowNLP，OpenNLP，BosonNLP。機(jī)器學(xué)習(xí)工具有:基于Python的Theano 機(jī)器學(xué)習(xí)庫(kù)。

2.5 數(shù)據(jù)庫(kù)設(shè)計(jì) 語(yǔ)料存儲(chǔ)也是語(yǔ)料庫(kù)建設(shè)的關(guān)鍵點(diǎn)，選擇合理的數(shù)據(jù)庫(kù)以及文本存儲(chǔ)結(jié)構(gòu)可直接影響基于語(yǔ)料庫(kù)提供的診療服務(wù)的質(zhì)量。選擇合適的數(shù)據(jù)庫(kù)結(jié)構(gòu)，可有安全穩(wěn)定的存儲(chǔ)語(yǔ)料信息，也有效提供用戶信息處理需求。本項(xiàng)目建設(shè)主要基于Oracle 的數(shù)據(jù)庫(kù)，關(guān)鍵表主要有3 張：語(yǔ)料表、分詞表、專用詞表。而文本語(yǔ)料表主要存儲(chǔ)語(yǔ)料的元信息包含醫(yī)學(xué)名詞、來(lái)源、證候、時(shí)間、方藥等等；分詞表主要記載所收集語(yǔ)料的詞語(yǔ)信息；專用詞表是根據(jù)語(yǔ)料庫(kù)使用性質(zhì)而確定，如收集的全部是疾病名稱相關(guān)信息，則需要記錄西醫(yī)疾病名、對(duì)照的中醫(yī)癥狀名專用詞語(yǔ)，這有利于精準(zhǔn)分析語(yǔ)料。根據(jù)以上不同階段任務(wù)可以搭建面向機(jī)器學(xué)習(xí)的智慧診療語(yǔ)料庫(kù)架構(gòu)如圖2 所示。

圖2 面向機(jī)器學(xué)習(xí)的智慧診療語(yǔ)料庫(kù)架構(gòu)

3 語(yǔ)料庫(kù)建設(shè)成果及優(yōu)劣勢(shì)分析

3.1 語(yǔ)料庫(kù)建設(shè)成果 按照以上構(gòu)建方案，筆者項(xiàng)目團(tuán)隊(duì)從2020 年1 月起開(kāi)始構(gòu)建智慧診療語(yǔ)料庫(kù)，截至目前已經(jīng)收錄中西醫(yī)診療語(yǔ)料2046 條，其中中醫(yī)相關(guān)語(yǔ)料條數(shù)866 條，西醫(yī)相關(guān)語(yǔ)料條數(shù)1180 條。分詞后中文詞語(yǔ)數(shù)19 594 個(gè)，語(yǔ)句片斷數(shù)約為19.693 萬(wàn)條。其中中醫(yī)語(yǔ)料條分為中醫(yī)癥狀、中醫(yī)病癥名、西醫(yī)疾病名、中醫(yī)證候、中醫(yī)醫(yī)案、中醫(yī)名家、所屬流派、籍貫等類目。而西醫(yī)語(yǔ)料條主要包括病因、癥狀、常用檢查、治療方案、常用藥品及預(yù)防等6個(gè)類目。

3.2 建設(shè)成果優(yōu)劣勢(shì)分析

3.2.1 優(yōu)勢(shì)分析 ①智慧診療語(yǔ)料庫(kù)可為實(shí)習(xí)、規(guī)培等新醫(yī)生提供醫(yī)學(xué)知識(shí)查詢。所有知識(shí)均來(lái)自可循證的權(quán)威知識(shí)書(shū)籍、臨床指南、醫(yī)學(xué)數(shù)據(jù)庫(kù)等，為醫(yī)務(wù)人員提供實(shí)時(shí)可靠的醫(yī)學(xué)知識(shí)，可根據(jù)需求學(xué)習(xí)科室總結(jié)的經(jīng)典診療方案，滿足不同科室、不同醫(yī)生的個(gè)性化需求。其次這些醫(yī)療知識(shí)可整理成可共享開(kāi)放數(shù)據(jù)集，提供給廣大醫(yī)學(xué)愛(ài)好者參考學(xué)習(xí)；②智慧診療語(yǔ)料庫(kù)可作為臨床醫(yī)生輔助診斷的依據(jù)，基于主訴、現(xiàn)病史中提到的癥狀、疾病，以及相關(guān)檢查、檢驗(yàn)結(jié)果推薦相關(guān)的疾病、相關(guān)癥狀及體征，按照診斷結(jié)果由高到低匹配語(yǔ)料庫(kù)中類似醫(yī)案，推斷潛在疾病可能性，根據(jù)患者基本信息、主訴、現(xiàn)病史等病歷信息推薦合理的檢查檢驗(yàn)、用藥及手術(shù)治療等方案，并提供對(duì)應(yīng)的推斷邏輯，輔助醫(yī)生更好地決策；③智慧診療語(yǔ)料庫(kù)可根據(jù)醫(yī)院或者信息服務(wù)廠商的要求，可定制不同的接入方式，包括API/BS/CS 應(yīng)用程序接口，便于數(shù)據(jù)調(diào)用。

3.2.2 劣勢(shì)分析 ①語(yǔ)料規(guī)模方面：由于本語(yǔ)料庫(kù)致力于建設(shè)成為醫(yī)務(wù)工作者醫(yī)療知識(shí)庫(kù)以及臨床輔助診斷參考庫(kù)，并且語(yǔ)料庫(kù)建設(shè)過(guò)程中涉及到中醫(yī)、西醫(yī)以及中西醫(yī)結(jié)合等多維度，因時(shí)間倉(cāng)促，醫(yī)療診斷語(yǔ)料庫(kù)目前語(yǔ)料規(guī)模仍然較小，需繼續(xù)建設(shè)；②中醫(yī)語(yǔ)料方面：由于中醫(yī)不同醫(yī)家對(duì)于陰陽(yáng)五行理論等理解不同，傳承學(xué)術(shù)流派不同，因此對(duì)于病證的用藥加減方案亦不同，需完善中醫(yī)語(yǔ)料中同一證候的醫(yī)案數(shù)量，不斷搜集整理近代乃至古代我國(guó)傳統(tǒng)名醫(yī)介紹、醫(yī)案、醫(yī)著等，便于現(xiàn)代中醫(yī)用藥參考；③西醫(yī)語(yǔ)料方面：醫(yī)院語(yǔ)料主要通過(guò)Python 等技術(shù)自動(dòng)采集而來(lái)，但機(jī)器收集的資料往往良莠不齊，因此西醫(yī)語(yǔ)料需邀醫(yī)學(xué)類專業(yè)人士對(duì)其進(jìn)行審核，去蕪存精，提高智慧診療語(yǔ)料庫(kù)的權(quán)威性。

4 面向機(jī)器學(xué)習(xí)的智慧診療語(yǔ)料庫(kù)應(yīng)用分析

4.1 可視化信息服務(wù) 可視化信息服務(wù)是智慧診療語(yǔ)料庫(kù)應(yīng)用最直觀展示手段，傳統(tǒng)語(yǔ)料庫(kù)研究往往注重語(yǔ)料建設(shè)與語(yǔ)譯應(yīng)用，少有提供用戶可視化功能展示的頁(yè)面，用戶通常無(wú)法直觀的獲取語(yǔ)料庫(kù)包含的相關(guān)領(lǐng)域內(nèi)知識(shí)，因此可通過(guò)一些可視化技術(shù)給語(yǔ)料信息搭建前端展示平臺(tái)，實(shí)現(xiàn)包含語(yǔ)料信息的可視化信息服務(wù)。如本項(xiàng)目成果之一，近代浙派中醫(yī)文獻(xiàn)數(shù)據(jù)庫(kù)，以智慧診療語(yǔ)料庫(kù)中中醫(yī)部分語(yǔ)料為基礎(chǔ)，通過(guò)H5 技術(shù)搭建的Web 端、移動(dòng)端一體化展示頁(yè)面見(jiàn)圖3。從語(yǔ)料庫(kù)中抽取的數(shù)據(jù)框架主要以浙派醫(yī)學(xué)流派醫(yī)家?guī)?、醫(yī)著、醫(yī)派為主系統(tǒng)整合相關(guān)信息。其中浙派醫(yī)派醫(yī)家?guī)熘饕凑憬赜騽澐质珍浐贾?、寧波、湖州、嘉興、紹興、金華等古今有影響力的典型人物傳記81 條，著錄項(xiàng)包括醫(yī)家名號(hào)、方劑、藥物等。通過(guò)數(shù)據(jù)關(guān)聯(lián)等方式為用戶提供信息檢索、瀏覽、知識(shí)圖譜等多種信息服務(wù)，促進(jìn)中醫(yī)藥文化研究，后期可以不斷通過(guò)智慧診療語(yǔ)料庫(kù)搭建中西醫(yī)結(jié)合等多領(lǐng)域可視化平臺(tái)。

圖3 近代浙派中醫(yī)文獻(xiàn)數(shù)據(jù)庫(kù)

4.2 輔助治療決策及風(fēng)險(xiǎn)預(yù)警 輔助治療決策以循證醫(yī)學(xué)知識(shí)庫(kù)為支撐，結(jié)合醫(yī)生診療經(jīng)驗(yàn)，通過(guò)先進(jìn)的機(jī)器算法對(duì)大規(guī)模臨床診療數(shù)據(jù)和術(shù)后隨訪記錄數(shù)據(jù)進(jìn)行訓(xùn)練，挖掘治療方案和效果評(píng)價(jià)的隱性關(guān)聯(lián)，尋找最佳治療方案。隨著語(yǔ)料收集技術(shù)不斷升級(jí)，語(yǔ)料庫(kù)中西醫(yī)部分?jǐn)?shù)據(jù)規(guī)模不斷龐大，可以為輔助治療系統(tǒng)提供海量的臨床指南、藥典、病例、教材等醫(yī)學(xué)知識(shí)庫(kù)作為機(jī)器學(xué)習(xí)的數(shù)據(jù)集，提供程序（API）接口讓機(jī)器“學(xué)習(xí)”專家主任級(jí)醫(yī)師診療經(jīng)驗(yàn)，模擬診療時(shí)的思維邏輯，并在實(shí)際應(yīng)用時(shí)給出可行性診治方案。打造遵循循證醫(yī)學(xué)的臨床輔助決策系統(tǒng)，從而協(xié)助醫(yī)生為患者提供更精準(zhǔn)優(yōu)質(zhì)的診療方案。這對(duì)于年輕乃至規(guī)培實(shí)習(xí)醫(yī)生來(lái)說(shuō)作用尤其明顯，相當(dāng)于把更多實(shí)戰(zhàn)經(jīng)驗(yàn)匯總，需要時(shí)自動(dòng)調(diào)出，診療的過(guò)程也成了學(xué)習(xí)的過(guò)程。同時(shí)輔助治療決策也具有風(fēng)險(xiǎn)預(yù)警的作用，如利用大樣本臨床診療數(shù)據(jù)構(gòu)建風(fēng)險(xiǎn)預(yù)測(cè)模型，結(jié)合患者自身病情和特征，適時(shí)動(dòng)態(tài)的給出規(guī)避風(fēng)險(xiǎn)的治療方案，如在情況較為緊急時(shí)的急診考慮手術(shù)治療、術(shù)后并發(fā)癥以及用藥副反應(yīng)等，及早預(yù)測(cè)患者不良反應(yīng)并予以作出預(yù)防措施。

4.3 智能語(yǔ)音病歷 語(yǔ)音識(shí)別技術(shù)將通過(guò)識(shí)別人類的語(yǔ)音中各種特征并轉(zhuǎn)化成計(jì)算機(jī)可識(shí)別的二進(jìn)制輸入語(yǔ)言，是一項(xiàng)成熟穩(wěn)定的聲音特征提取技術(shù)，但醫(yī)學(xué)往往存在諸多復(fù)雜晦澀的醫(yī)學(xué)專業(yè)詞匯，造成計(jì)算機(jī)識(shí)別程度低，也就很難幫助醫(yī)生快速錄入病歷。而智能語(yǔ)音病歷主要利用診療語(yǔ)料庫(kù)匯聚海量的醫(yī)學(xué)分詞，搭建流式端到端語(yǔ)音語(yǔ)言一體化建模算法將語(yǔ)音快速準(zhǔn)確識(shí)別為文字，支持智能手機(jī)系統(tǒng)語(yǔ)音交互、機(jī)器人語(yǔ)音溝通、多場(chǎng)景語(yǔ)音內(nèi)容分析等。智能語(yǔ)音病歷技術(shù)較為基礎(chǔ)，但能幫醫(yī)生減負(fù)不少工作量。據(jù)深圳市德信數(shù)據(jù)調(diào)查顯示，我國(guó)50%以上的住院醫(yī)生平均每天有4 h 以上在寫(xiě)病歷，而應(yīng)用語(yǔ)音病歷后，患者的主訴內(nèi)容可以實(shí)時(shí)地轉(zhuǎn)換成文字，效率明顯提升，減少醫(yī)生在診療過(guò)程中不必要的時(shí)間成本。語(yǔ)音識(shí)別技術(shù)是實(shí)現(xiàn)智慧診療的有效探索。

5 總結(jié)

隨著數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等技術(shù)的不斷進(jìn)步，語(yǔ)料庫(kù)目前建設(shè)所面臨的語(yǔ)料體量小、語(yǔ)料收集、語(yǔ)料分?jǐn)嗬щy等難點(diǎn)將得到有效解決。本研究在現(xiàn)有信息技術(shù)條件下，盡可能采集語(yǔ)料并進(jìn)行規(guī)范化處理，設(shè)計(jì)數(shù)據(jù)庫(kù)，合理存儲(chǔ)預(yù)料表等數(shù)據(jù)，形成診療語(yǔ)料庫(kù)，包含復(fù)雜的疾病癥狀、臨床檢查知識(shí)、隨診病歷與治療方案等。智慧診療語(yǔ)料庫(kù)作為智能智能診療系統(tǒng)研究的基礎(chǔ)與參考，未來(lái)對(duì)此進(jìn)一步深入研究，可以幫助醫(yī)生應(yīng)用臨床技能和經(jīng)驗(yàn)迅速判斷患者狀況及疾病診斷，選擇最優(yōu)治療措施，降低醫(yī)療風(fēng)險(xiǎn)及醫(yī)生工作時(shí)間成本，完善公共醫(yī)療體系，合理分配公共醫(yī)療系統(tǒng)資源，為患者提供優(yōu)質(zhì)便捷的智慧診療服務(wù)。