当前位置: 首页 > 服务项目 > 人工智能

质量与信息化|人工智能技术应用于电子病历质控

08-24

人工智能技术(artificial intelligence)自1956年在达特茅斯会议提出后,经过几十年的发展已经成为模拟、扩展人的智能和经验的的一门新的技术科学。它涉及的研究领域包括自然语言处理(NPL)、图像识别、机器学习、专家系统、神经网络等等。如何利用人工智能的知识图谱、后结构化等技术构建智能化的质控规则体系,以满足医疗机构新的电子病历质控要求,就成为一段时间医疗机构质控工作重要研究方向。

人工智能技术在电子病历质控中的应用机器学习传统的电子病历质控无法实现机器学习,只能通过编写代码来实现逻辑判断,而机器学习是通过收集和分析大量的样本数据,并对特征进行提炼、分解、总结的一种高效的学习方式。自然语言处理(NPL)自然语言处理(NPL)可以将目前的半结构化和纯文本病历通过深度卷积模型(Convolution Neaural Network)形成医学术语和属性,并根据逻辑库规则和目前国内外相关标准(如ICD9、ICD10、SNOMED-CT)进行综合利用。图像识别传统的医学影像质控,更多是基于高年资医师对低年资医师的报告复审,时间长效率低且仅依赖经验判断;而基于图像识别技术,使用FASTER-RCNN 深度神经网络进行深度学习,对原始图像逐层提取特征,最后和诊断标准进行比对,可有效解决计算机图形问题,并在一些疾病诊断如新冠肺炎的影像学辅助诊断上发挥了重要作用。专家系统人工智能技术中的专家系统在医疗领域已经得到了充分利用。其特点是能模拟专家思维,具有专家知识水平,能有效推理,且具有知识获取能力。专家系统一般包括人机交互界面、知识库、推理机、解释器、数据库、知识获取六部分。

讨论与分析质控专家与人工智能质控的关系人工智能技术虽然已经有了很大的发展,但质控专家以及有些临床医师仍然对人工智能技术质控存在质疑。针对此类问题,建议人工智能质控结果应增加溯源功能,明确数据获取来源及结论因果关系,增加人工智能质控和专家质控结果对比分析,逐步提高人工智能质控结论的权威性。人工智能质控的目标借助人工智能技术首先可解决质控效率问题,例如一个复杂的质控问题,其思路往往要关注病史、诊断、客观报告、病程描述、开立医嘱等方方面面。通过人工能智能质控则能快速给出判断,效率比单纯的人为检查高很多。同时,人工智能质控的质控范围也大大超过纯人工质控,可基本上覆盖患者的全部医疗数据。人工智能质控的隐私保护人工智能技术具有自动收集临床资料的功能,因此医疗机构需建立规范的约束和监管机制,在收集质控数据的同时,必须要注重保护患者隐私。人工智能技术仅被允许收集电子病历中的有效数据,对敏感信息要进行脱敏处理,避免因人工智能质控而产生新的质控安全问题。利用人工智能对电子病历持续探索,可以发掘出更多的临床特征数据、管理数据,发现更多的电子病历特征和规律,有助于未来实现医疗机构全方位质控的预判、质控精细化管理。

作者来源:首都医科大学宣武医院孟岩等

文章来源:中国卫生质量管理杂志社

2021第三届全国医院后勤建设管理大会

扫码在线报名

版权说明

本原创及转载文章、图片、视频等(包括),版权归原作/译者所有,如您对文章、图片、视频有权利要求,可留言或通过邮箱、与智医讯联系,我们将及时回复。原创文章除特别声明外,欢迎非商业转载,敬请注明出处。

邮箱:zhyxun@yeah.net

18801345167

:010-88956990

扫描获得更多资讯

免责声明:本站部分内容来源于互联网。如果本站部分内容侵犯您的权益,请您告知,站长会立即处理,联系方式见网站底部。

点击排行

编辑推荐