专题策划—临床决策支持
_______Special Planning 面向基层医疗的人工智能辅助系统
开发与应用
贺志阳1葛健聪1肖飞2高丽蓉1甘露1叶浩1赵景鸫1鹿晓亮1胡加学0
【摘要】目的：结合人工智能技术构建面向基层医疗的辅助系统，达到提高基层医疗服务水平与工作效率的 目的。方法：基于自然语言处理、语音识别、语音合成等人工智能技术，开发面向基层医疗的人工智能辅助系 统。结果：通过开发的系统，在病历质控、辅助诊疗、医嘱质控、外呼随访等实际落地应用中辅助医生临床工 作。结论：人工智能辅助系统可以有效提升基层医疗的工作效率与服务质量；最后总结目前系统存在的问题以 及未来的发展方向。
【关键词】人工智能辅助系统临床决策支持基层医疗人工智能
D o i:10.3969/j.issn.1673-7571.2021.03.006
【中图分类号】R319:T P391 【文献标识码】A
D e v e l o p m e n t a n d Application o f the Artificial Intelligence-assisted S y s t e m for P r i m a r y Healthcare/H
E Z h i-y a n g,G E Jian-c o n g,X I A O Fei,et al.
①安徽科大讯飞医疗信息技术有限公司，230088.安徽宵合肥市高新开发区望江西路666兮
②科大讯飞股份有限公司，230088，安徽省合肥市高新开发区望江西路666号
外，可以将质量指标完成情况与个 人、科室绩效考核挂钩，让临床诊 疗和医务管理规范落到实处。通过 电子病历质量改进，提高大数据标 准化和可用性，为上层的单病种数 据上报、D R G支付分组、临床科研 应用提供基础。9
参考文献
[U马锡坤，杨国斌，于京杰.国内电子病 历发展与应用现状分析[•!].计算机应用 与软件,2015,32⑴：丨0-12.
[2]林华惠.无纸化电子病历在病案管 理中的应用价值[J].医疗装备,2020,418 (21):54,57,
[3]叶千红，张锐昕.电子病历应用管理的难题及其对策丨中国医院，2018,
3(22):57-59,
[4]罗德芳，马宗庆.利用CDSS进行单病
种质控的技术架构与实现方式[J].中国
数字医学，2019，14(5):63-65.
[5]孟岩，罗德芳.基于临床知识库的电
子病历智能化应用研究[J].中国卫生信
息管理杂志,20丨9，丨6(5):87-90.
[6J甘霖.基于云计算的电子病历全文检
索系统[J].中国数字医学.2016,11(12):
41-43.
[7]曹馨宇，郭玉峰，虞3云，等.SNOMEDCT
运行管理机制及对中医临床术语管
理方式的启示[•!].中国科技术语,2016,
18(5):8-13,
[8]徐萍，江静，高娅，等.29432份病案书W
质量分析[J].中国病案,2019,20(3):18-19.
[9]王艳萍，焦敬义，井立强，等.医院临床
决策知识库系统的设计与应用m.中国
卫生信息管理杂志,20丨8，丨5(丨):74-77.
[10] KAUSHAL R.KERN LM.Barron Y,
et a 1 .Electronic prescribing improves
m edication safety in community-
bad office practices[J].J Gen Intern
Med,2010,25(6):530-536.
[11] Heekin AM,Kontor J,Sax HC,et al.
Choosing W ily Clinical Decision Support
Adherence and Associated Inpatient
Outcomes[J].The American Journal of
Managed Care,2018,24(8):361-366.
【收稿日期：2021-02-07】
(责任编辑：张倩）
中国数字医学2021第16卷策27
专题策划—临床决策支持
Special Planning_______
Abstract:O b j e c t i v e:C o m b i n e d w i t h artificial intelligence t e c h n o l o g y to construct assistant s y s t e m for p r i m a r y healthcare,w h i c h ca n i m p r o v e the rvice level a n d w o r k efficiency for p r i m a r y healthcare.M e t h o d s:B a s e d o n various A I t e c h n o l o g y s uch as Natural L a n g u a g e Processing(N L P),A u t o m a t i c S p e e c h R e c o g n i t i o n(A S R),Text to S p e e c h(T T S), w e h a v e d e v e l o p e d the artificial intelligence-assisted s y s t e m lor p r i m a r y healthcare.Results:In real w o r d instances suc h as quality control o f m e d i c a l record,auxiliary diagnosis a n d treatment,m e d i c a l advice quality control a n d A I followu p,the assistant s y s t e m c a n assist doctors in clinical w o r k.C o n c l u s i o n:T h e artificial intelligence-assisted s y s t e m c a n effectively i m p r o v e the w o r k efficiency a n d rvice quality o f p r i m a r y healthcare.Finally,w e s u m m a r i z e the existing p r o b l e m s o f the s y s t e m a n d the future d e v e l o p m e n t direction.
Keywords:artificial intelligence-assisted s y s t e m,clinical decision s u p port,p r i m a r y healthcare,artificial intelligence Corresponding author:A n h u i I F L Y T E K Medical Infonnation T e c h n o l o g y C o.,L td.,Hefei230088, A n h u i Province,P.R.C.
i引言
面向医疗的人n智能辅助系统 属于临床决策支持系统m，是指主 要运用人工智能技术为医生在诊前、诊中、诊后不同阶段提供智 能辅助，以帮助医生提升医疗服 务水平、提高工作效率的计算机系统。早期的医学专家系统通过 收集整理专业的医学知识，设计 缜密的逻辑推理规则，让机器模 拟医学专家进行医疗诊断的推理工作，比如斯坦福大学在20世纪 70年代研发的M Y C I N系统，可以 针对细菌感染进行辅助诊断|21。医 学专家系统通常功能相对简单、可扩展性不强、智能化程度较低，多应用于医学研究和某鸣专科专病的临床辅助|31。
近年来基于大数据和云计算的 人工智能技术发展迅速，基于深度 神经网络学习的语音合成、语音识 别、自然语言理解等技术在多种业 务场景下发挥了重要的作用，为面 向医疗的人工智能辅助系统向业务 场景丰富化、智能化方向发展提供 丫有力支撑。语音合成与语音识别技术可以实现良好的人机交互功
能，自然语言理解技术可以实现对
非结构化医学病历、处方、U语化
数据等的理解与分析，同时融合知
识图谱技术以解决深度学习N络可
解释性弱的问题。目前国内外有多种
人C智能医疗辅助系统，如自动诊
疗系统，疾病预防和人C智能诊断系
统，智医助理系统，临床辅助决策系
统和临床决策支持系统等。
为满足新时期群众基本医疗卫
生服务需求，我国近几年持续加强
基层服务能力建设。党的十九大报
告中将“加强基层医疗卫生服务体
系建设”作为实施健康中国战略的
-个重要组成部分。当前，我国基
层医疗卫生服务有效供给总体不
足，服务能力亦相对薄弱，基层医
疗面临着基层全科医生缺口大、医
疗服务水平良莠不齐等困境|41。面
向基层医疗的人工智能辅助系统可
以从病历质控、辅助诊疗、医嘱质
控、外呼随访等方面提供重要支
撑，有效提升基层医疗水平、服务
质量和效率，切实解决基层医疗存
在的部分突出问题。
2商向苺层医疗的人工智能
辅助系统
2.1总体系统架构概述面向基层医
疗的人工智能辅助系统总体系统架
构如图1所示。传统信息化系统是
基本的医疗数据输入来源。医学知
识库和人工智能算法技术是人工智
能辅助系统的底层支撑平台。医学
知识库包括疾病知识库、药品知识
卡瓦酒库、检查检验知识库，也包括实体
快乐奔跑字典、医学文档和病例报告等基础
知识部分。人工智能算法技术包括
命名实体识别、实体关系抽取、文
本分类等自然语言理解技术，也包
括语音识别、语音合成、人机交互
等技术方向，同时也包括支撑不同
技术方向的人工智能算法与模型，
如E L M o、B E R T、X L N e t、G P T、
G C N、t r a n s E等〜'在此基础之
上搭建病历质控、辅助诊疗、医嘱
质控、外呼随访等功能系统，为基
层医疗机构提供病历质检、辅助诊
断、合理用药、智能外呼等服务。
2.2人上衩能病历质控系统病历质
随笔幼儿园
控系统是医疗机构质量管理的重要
组成部分，系统可通过应用自然语
28
专题策划一临床决策支持_______Special Planning
言处理、知识推理等技术，识别不 规范电子病历并给出可解释的判断 依据，帮助基W医生规范电子病历 书写过程。
病历质控系统的技术路线如图2所示。病历质控系统主要包括 知识表示、病历语义表示、推理三 个模块。知识表示模块主要负责对 面向病历质控的规范、知识与病历 整理，形成知识规则表示。病历语 义表示模块对病历中关键信息进行 识别、提取、关联等处理，形成结 构化的病历1n|。推理模块通常包含 形式质检和内涵质检两个子模块：形式质检主要针对病历形式的完整 性、规范性、时效性等进行质检，然后通过相关的知识规则完成质检；内涵质检是针对包含诊断在内 的病历内容与逻辑的合理性进行审 核与质检，如病历文本前后的逻辑 一致性、诊断合理性等方面。
社保号查询
2.3人£智能辅助诊疗系统辅助诊 疗系统是面向基层医生的辅助系统 的核心组成部分，主要通过分析患者 病情，实现诊断结果推荐、检查检验 推荐、用药推荐等核心功能，为基层 医生提供较为全面的诊疗建议。
辅助诊疗系统的技术路线如图3所示。辅助诊疗系统由医学语 义理解、医学图谱构建、医学图谱 及知识表示学习、推理决策等4个模块组成。语义理解模块对医学文 本进行编码学习，获得医学文本的 语义特征表示。医学图谱构建技术 通过实体抽取、关系抽取、属性抽 取对大量的医学文献数据进行结构 化处理，再通过指代消解、实体消 歧、知识融合等对实体的描述进行整合，获得实体的完整描述1
最后山医学知识专家对医学图谱实
行进一步的校验，以确保图谱构建
的准确性和权威性。医学图谱及知
识表示学习模块则是对图谱中的实
体和关系等知识进行表示学习，以
供进一步的计算和推理。推理决策
模块通过病历内容语义推理，获得
与当前患者病情最相关的知识证
据，实现可解释的推理决策，从而
对病情进行评估判断，给出疑似诊
断推荐、检查检验推荐、用药推荐
结果等MM31。
2.4人I：皆能保嘱质拧系统医嘱质
控系统是基层医生诊疗过程中辅助
医生的重要系统，主要对医生开具
的药品、检查检验等重要医嘱的合
理性问题进行审核|241，为基层医生
提供必要的风险提示，进而不断提
升基层医生治疗水平。
医嘱质控系统的技术路线如
图4所示。医嘱质控系统由专家规
则知识库、医学关键信息提取和推
理决策3个子模块构成。专家规则
知识库模块主要包括基于教科书、
病历《控
权威指南、药品说明书、专家共识
等权威来源的药品、检杏、检验的
知识规则。医学关键信息提取模块
将自然语言编写的医学文本转换为
结构化的数据格式，形成患者画像
信息。推理决策模块结合专家规则
知识库、患者画像等多维度信息，
实现对医嘱的准确质检，同时给出
判断依据的医学解释。
2.S人丨：汽能外呼随W系统基于智
能语音的外呼随访系统是基层健康
管理的重要组成部分，通过研发基
于语音处理、自然语言处理、对话
管理1251等技术的人机对话系统，实
现智能化患者管理，在居民随访、
患者筛查、通知预约等公共卫生服
务场景实现应用创新。
外呼随访系统的技术路线如
图5所示。人工智能外呼随访系统
由语音识别、语义理解、对话管
理、答案生成、语音合成等5个模
块组成，运用语音识别技术、自然
语言交互技术和语音合成技术实现
智能人机对话。语音识别模块主要
将用户的语音信息转化为文字1%;
医瞩《控
_彳■
m i山丨向堪层医分的人丨：智能辅助系统架构
29
专题策划—临床决策支持Special Planning_______
患者信息
患者一般信息
主诉、现病史、既往史体格检查、辅助检查
实验室检查病历语义表示推理橫块
医学语义
理解
形式质检内涵质检
»专家规则
推理决策
+语义模型
推理决策
+知识表示
-8
病案规范库
(质量评定标准）
图2病历质柠系统技术路线m
有趣测试
质检结果&可解释性
形式：缺桧查检验…
内涵：主诉与现病史矛盾..
海置诊疗案例
教科书指南、海置诊
疗案例、权威知识库
图3轴助诊疗系统技术路线图
语义理解模块主要处理医疗场景下 用户口语化文字的语义和意图理解 问题；对话管理模块主要负责与用 户交互的状态判断、识别与跟踪，同时基于当前交互状态选择最为合 适的对话策略；答案生成模块基于 语义理解和对话管理的结果，生成 下一步与用户的交互内容；语音合 成主要将答案生成模块的输出转化 为语音[27]。
3而向基层医疗的人T智能辅助系统应用实践
根据我国的基层医疗现状，包 括基层医疗管理及信息化逑设等情 况，人工智能辅助系统适合以县(区）为基本单元进行部署及推广应用。以“智医助理”系统为例对
柠檬敷脸其在基层的实际部署及成用效果情
况进行介绍。“智医助理”系统在
全国各地试点及落地推广3年，目
前在11个省、160余个县区、1.5万
家基层医疗机构实现常态化、规模
化应用。系统在病历质控、辅助诊
疗、医嘱质控、外呼随访等基M医
疗实际应用中辅助医生临床工作，
持续提升基层K疗工作效率与服务
水平。
在病历质控方面，“智医助
理”系统基于国家及各省市病历质
量评定标准，针对电子病历进行全
方位形式质控和内涵质控，支持门
诊质控细则近120种，覆盖北京、
上海等10余地区门诊病历质量评定
标准，辅助基层医生累计完成规范
电子病历约7 500万份，帮助基层
医生不断提升病历规范率，使用人
工智能病历质控系统6个月，基层
医生电子病历书写不规范比例平均
nj■以降低80%，其中占比较高的不
规范情况包括主诉与现病史内容不
完整、主诉与现病史无关、病历内
容上下文矛盾等。
在辅助诊疗方面，“智医助
理”系统在基层医生诊疗过程中，
给出疑似诊断及鉴别诊断提示、关
键症状4检齊检验提小、疾病知识
与治疗方案推荐、危重及转诊提示
等等，覆盖国家卫生健康委“优质
服务基层行”及“乡镇卫生院/社
R卫生服务中心服务能力评价指
南”的基层常见病种，累计提供人
工智能诊疗建议1.4亿次，基层医
生建议采纳率达到8%，其中占比
较高的病种包括冠心病、慢f丨•：阻塞
性肺病、短暂性脑缺血发作、风湿
性心脏病等。
在医嘱质控方面，“智医助
理”系统以国家药品监督管理局药
品目录为依据，为基M医生提供药
物遴选、用药指征、给药剂量、给
药途径、用药疗程等11个维度的处
方审核，同时也为基层医生提供
检查检验合理性审核，累计提供平安是福简谱
4 100万审核建议，审核建议中不
合理用药和检查检验相关建议占比
11%，基层医生采纳率达到〗7%,
其中占比较高的不合理情况包括药
物遴选不适宜、人群禁忌、配伍禁
忌、给药剂量/频次不适宜、给药
途径不适宜等。
在外呼随i方方面，“智医助
30
专题策划---临床决策支持
_______Special Planning
教科书、权威指
南、药品说明书、
专家共识
A
阁4丨'4贼喷校系统技术路线m
阌5外呼随汸系统技术路线阌
理”系统帮助基居医生以通知、宣 教、调杳、筛查、随访等方式完成 基层公共卫生相关工作，覆盖80%以上公共卫生业务场景，支持包括 新型冠状病毒肺炎筛查在内的公共 卫生事件应急管理场景，累计提 供服务2.4亿人次，基层医生在通 知、调查、随访等公共卫生相关的 工作效率平均提升40倍以
上，其中高 频业务包括（新冠肺炎）疫情通知、发热人群调查防控、居民体检预约、高血压随访、糖尿病随访等。
4总结
目前面向基层医疗的人工智能 辅助系统逐步在我国基层医疗机构 推广落地，在病历质控、辅助诊疗、医嘱质控、外呼随访等多个场
景取得/一定的应用效果，但在实
际使用的过程中仍然存在-些问题邮政利息
需要持续探讨和解决。首先，人工
智能辅助系统在基层医疗的应用价
值、经济效益和社会效益等方面还
缺乏统-客观、nj•量化的评估体
系；其次，面向全国基层医疗的诊
断和治疗特点，丨前还缺少-套权
威、适合基层的医学知识库及知识
体系构建标准；第三，部分基层医
生群体信息化水平相对较低，对于
智能化系统的接受和熟练掌握存在
一定的障碍；最后，在智能化系统
与信息化系统对接方面当前还缺乏
-系列高效统一的接口标准。
依据《“健康中国2030”规划
纲要》的战略部署，面向基层医疗
的人工智能辅助系统未来在推进我
国基层医疗建设、提升居民健康水
平方面仍有很大发展空间，在不断
增强临床辅助能力的同时，也需要
在疾病防控防治等方面发挥作用：
需要通过人工智能辅助系统进一步
加强上下级医疗机构联动机制，加
强医疗资源整合，促进优质资源共
享；另外，也需要进--步深化产学
研合作，不断突破核心技术瓶颈、
积极推进先进技术落地应用，切实
解决医生痛点问题。9
参考文献
[1]姚弥，个楠.临床决策支持系统对全
科医牛.发展的作用探讨m.中国全科医
学，2018,21(10): 1225-1229.
[2 ]李理，汪鹏，左锋，等.医院临床决策
支持系统设计与应用m.医学信息学杂
志,2019,40(2):26-28.
[3]彭亦良，杨渝勇，曹兴，等.临床决策
支持系统发展的制约因素和应用前景
分析[J].医学与哲学(B),2015,36(18):5-
7,16.
[4]马进.以十九火精神为指弓|，实
施健康屮国战略[J].中国卫生资
源，2018,21(2>:81-82.
[5] Peters ME,Neumann M Jyyer M,
et a l.D e e p c o n t e x t u a li z e d word
r e p r e s e n ta tio n s[J].N A A C L,2018:
2227-2237.
[6] D evlin J,C h a n g M W,Lee K,
et a l. B e rt: P r e-t r a i n in g o f deep
bidirectional transformers for language
understanding^].Computer Science,2018.
[7] Yang ZL,Dai ZH,Yang YM,et al.
X ln et:G en eraliz ed auto regressiv e
31
