基于AI技術(shù)的醫(yī)院智能審核平臺(tái)的構(gòu)建

孫浩

AI技術(shù)即人工智能，近幾年在各個(gè)行業(yè)得到了廣泛的應(yīng)用，如自動(dòng)應(yīng)答系統(tǒng)，圖文識(shí)別系統(tǒng)等。它通常有兩種實(shí)現(xiàn)方法：一種是工程學(xué)方法，采用傳統(tǒng)的編程技術(shù)，使系統(tǒng)呈現(xiàn)智能效果；另一種是模擬方法，應(yīng)用到遺傳算法或人工神經(jīng)網(wǎng)絡(luò)。醫(yī)院智能審核平臺(tái)使用第一種的工程學(xué)方法，通過(guò)編程技術(shù)實(shí)現(xiàn)醫(yī)院的消息異步處理、大數(shù)據(jù)訓(xùn)練模型、醫(yī)生標(biāo)注三部分功能。該系統(tǒng)通過(guò)讀取醫(yī)院各個(gè)檢測(cè)設(shè)備的數(shù)據(jù)，實(shí)現(xiàn)模擬醫(yī)生給出病人最終的健康情況診斷。醫(yī)生診斷是人為因素很大的行業(yè)，不同的知識(shí)儲(chǔ)備和行業(yè)經(jīng)驗(yàn)會(huì)得到不同的診斷結(jié)果，AI技術(shù)通過(guò)大數(shù)據(jù)分析實(shí)現(xiàn)了專(zhuān)家級(jí)的診斷結(jié)果，成為行業(yè)的指導(dǎo)規(guī)范，為醫(yī)生診斷提供很大的幫助作用。

一、 消息異步處理

消息異步處理的邏輯架構(gòu)包括讀取儀器設(shè)備信息并推送到消息隊(duì)列的程序、監(jiān)控消息隊(duì)列并處理收到的消息的程序、提供給醫(yī)生操作的智能審核平臺(tái)程序。傳輸數(shù)據(jù)采用Json格式，圖片采用二進(jìn)制流傳輸，審核平臺(tái)采用微服務(wù)架構(gòu)，為了保障每個(gè)API提供的服務(wù)能夠最大化的得到各個(gè)科室的共享，我們盡可能的做業(yè)務(wù)層的拆分，從自動(dòng)化測(cè)試到自動(dòng)化部署，為平臺(tái)的敏捷化管理提供了保障。

醫(yī)院就診病人的信息來(lái)源有兩大類(lèi)設(shè)備，一種是病人掛號(hào)時(shí)的登記信息，被稱(chēng)為L(zhǎng)is下單設(shè)備，包括病人ID、年齡、性別、需要做的檢查項(xiàng)目等信息；另一種是醫(yī)院各個(gè)檢測(cè)儀器返回的信息，被稱(chēng)為中間件信息，包括血清檢測(cè)、尿液檢測(cè)等信息。系統(tǒng)首先通過(guò)監(jiān)測(cè)程序?qū)崟r(shí)監(jiān)測(cè)Lis下單信息，將病人基本信息及所做檢測(cè)項(xiàng)讀取到消息隊(duì)列中。再通過(guò)監(jiān)測(cè)中間件的程序，實(shí)時(shí)的將各個(gè)檢測(cè)項(xiàng)值讀取到消息隊(duì)列，當(dāng)監(jiān)測(cè)到某一病人的所有檢測(cè)項(xiàng)都有返回結(jié)果值了，系統(tǒng)就將這個(gè)病人數(shù)據(jù)傳入事先訓(xùn)練好的AI模型中，模型根據(jù)病人的年齡、性別、檢測(cè)項(xiàng)值給出一個(gè)最終診斷結(jié)果，系統(tǒng)將這個(gè)結(jié)果通過(guò)消息隊(duì)列傳輸給Lis中。醫(yī)生在自己的系統(tǒng)操作頁(yè)面可以查看到病人的整個(gè)檢測(cè)情況和系統(tǒng)給出的診斷結(jié)果，參照該結(jié)果醫(yī)生給出病人的診斷結(jié)論。

Lis下單的消息處理，分為新增檢測(cè)項(xiàng)、取消檢測(cè)項(xiàng)、重做檢測(cè)項(xiàng)和重做檢驗(yàn)單的不同處理流程，病人的每次檢測(cè)的檢測(cè)項(xiàng)值都會(huì)通過(guò)歷史值查看中找到，保證每個(gè)就診病人都在大數(shù)據(jù)庫(kù)中科查詢，可追蹤。配置檢測(cè)項(xiàng)的范圍值，顯示順序，顯示名稱(chēng)，在醫(yī)生的操作頁(yè)面就可以按配置顯示檢測(cè)項(xiàng)信息，低于范圍值的檢測(cè)項(xiàng)會(huì)有向下的箭頭標(biāo)識(shí)，超過(guò)范圍值的檢測(cè)項(xiàng)會(huì)有向上的箭頭標(biāo)識(shí)。

中間件的消息處理，各個(gè)設(shè)備的檢測(cè)項(xiàng)結(jié)果值傳輸?shù)较㈥?duì)列中，監(jiān)測(cè)程序?qū)⒔Y(jié)果值更新到Lis中，同時(shí)要檢測(cè)這些檢測(cè)項(xiàng)是否有滿足的計(jì)算項(xiàng)，當(dāng)計(jì)算項(xiàng)中包含的所有檢測(cè)項(xiàng)都在同一個(gè)檢驗(yàn)單中，則將該計(jì)算項(xiàng)添加到檢驗(yàn)單中，并調(diào)用公式引擎得到計(jì)算項(xiàng)的結(jié)果值。所有檢測(cè)項(xiàng)和計(jì)算項(xiàng)的結(jié)果值傳入規(guī)則引擎，將不通過(guò)的規(guī)則一一列出，醫(yī)生可以查看到該檢驗(yàn)單的所有規(guī)則描述，同時(shí)系統(tǒng)會(huì)對(duì)不通過(guò)的檢驗(yàn)單給出診斷結(jié)果，不再調(diào)用AI模型。當(dāng)所有規(guī)則都通過(guò)的檢驗(yàn)單，才調(diào)用AI模型，由AI模型返回診斷結(jié)果，系統(tǒng)維護(hù)診斷值范圍，超過(guò)范圍值會(huì)以紅色標(biāo)記高風(fēng)險(xiǎn)字樣。圖片采用二進(jìn)制流傳輸，接收程序?qū)D片存儲(chǔ)到服務(wù)器磁盤(pán)，并調(diào)用圖片識(shí)別API，自動(dòng)識(shí)別圖片中的信息保存到數(shù)據(jù)庫(kù)中，醫(yī)生在系統(tǒng)操作頁(yè)面即可預(yù)覽圖片，也可圖文信息做匯總統(tǒng)計(jì)分析。

二、大數(shù)據(jù)訓(xùn)練AI模型

AI模型的核心時(shí)算法，訓(xùn)練模型是為了達(dá)到高識(shí)別率的目標(biāo)，通過(guò)大數(shù)據(jù)不斷的迭代測(cè)試，直到找到最優(yōu)配置。AI模型的邏輯架構(gòu)包括模型訓(xùn)練和驗(yàn)證、模型管理、模型部署。其中涉及能力有模型訓(xùn)練、參數(shù)配置、訓(xùn)練任務(wù)管理、訓(xùn)練狀態(tài)可視化及管理、模型版本管理、模型文件管理、模型操作和處理、模型策略管理、模型部署及業(yè)務(wù)管理等。

通過(guò)采集儀器設(shè)備信息，醫(yī)生對(duì)采集數(shù)據(jù)做完標(biāo)注處理后，數(shù)據(jù)已經(jīng)都存儲(chǔ)到了AI模型庫(kù)，之后即可調(diào)用AI算法開(kāi)始增量或全量的模型訓(xùn)練。在訓(xùn)練過(guò)程中訓(xùn)練狀態(tài)是可視化的，幫助業(yè)務(wù)人員對(duì)當(dāng)前訓(xùn)練任務(wù)的進(jìn)度有所了解，可以對(duì)任務(wù)進(jìn)行暫停、取消等操作。依據(jù)大數(shù)據(jù)可以對(duì)不同數(shù)據(jù)集同時(shí)進(jìn)行多個(gè)模型訓(xùn)練，最后匯總模型準(zhǔn)確率來(lái)對(duì)模型的質(zhì)量進(jìn)行驗(yàn)證。

模型管理主要進(jìn)行模型版本控制，是對(duì)模型有優(yōu)化更新、替代、異常等情況的管理。做到完善的日志記錄，可查詢及追溯。算法工程師會(huì)不斷的有算法更新，大數(shù)據(jù)量處理也需要有不斷優(yōu)化過(guò)程，這樣會(huì)導(dǎo)致模型有不同版本的升級(jí)，要求要有嚴(yán)格的部署流程。

模型部署主要會(huì)出現(xiàn)部署環(huán)境問(wèn)題，容器化應(yīng)用程序是近年來(lái)應(yīng)用最多的技術(shù)，采用Docker容器化部署，通過(guò)生成鏡像文件，只要幾行腳本命令就可以使部署文件能在不同操作系統(tǒng)下正常運(yùn)行。

三、 醫(yī)生標(biāo)注

醫(yī)生標(biāo)注是該平臺(tái)的核心功能模塊，整體架構(gòu)包括前端采用Vue框架，后端調(diào)用API的微服務(wù)架構(gòu)，服務(wù)之間通過(guò)輕量的通訊機(jī)制進(jìn)行交互，系統(tǒng)在服務(wù)解耦方面上花了更多的時(shí)間，使得每個(gè)服務(wù)更專(zhuān)注于自己的業(yè)務(wù)，滿足高內(nèi)聚低耦合的設(shè)計(jì)原則。由于一個(gè)科室平均每天會(huì)接待3000名病人，每個(gè)病人的檢測(cè)項(xiàng)目平均在50項(xiàng)左右，這樣一年的檢測(cè)項(xiàng)數(shù)據(jù)就會(huì)達(dá)到千萬(wàn)級(jí)數(shù)據(jù)量，為了解決海量數(shù)據(jù)的快速存儲(chǔ)和讀取問(wèn)題，平臺(tái)采用分布式負(fù)載均衡，數(shù)據(jù)庫(kù)采用主從讀寫(xiě)分離設(shè)計(jì)，并充分利用緩存技術(shù)減少傳輸數(shù)據(jù)量。

系統(tǒng)角色分成平臺(tái)管理員、醫(yī)院管理員、醫(yī)生三類(lèi)。系統(tǒng)功能權(quán)限分為系統(tǒng)配置、數(shù)據(jù)標(biāo)注、報(bào)表制作及查看，功能級(jí)、按鈕級(jí)和數(shù)據(jù)級(jí)權(quán)限由平臺(tái)管理員進(jìn)行配置。醫(yī)生操作的數(shù)據(jù)有兩部分組成，一部分是為訓(xùn)練AI模型的數(shù)據(jù)，可以用于培訓(xùn)醫(yī)生的業(yè)務(wù)操作能力，醫(yī)院管理員選定一批數(shù)據(jù)，以CSV格式導(dǎo)入數(shù)據(jù)庫(kù)，并將這些數(shù)據(jù)分派給醫(yī)生，醫(yī)生登錄自己的賬號(hào)對(duì)這些數(shù)據(jù)進(jìn)行標(biāo)注。系統(tǒng)進(jìn)行自動(dòng)過(guò)濾，所有醫(yī)生都一致認(rèn)為是通過(guò)的數(shù)據(jù)直接傳給AI模型庫(kù)，只要有一個(gè)不同意見(jiàn)，則由專(zhuān)家在進(jìn)行一次批注，直到所有數(shù)據(jù)都達(dá)成一致意見(jiàn)，再將這些數(shù)據(jù)也傳給AI模型庫(kù)。通過(guò)以上反復(fù)操作，既提高了醫(yī)生的業(yè)務(wù)操作能力，也增加了AI模型庫(kù)的知識(shí)儲(chǔ)備。醫(yī)生操作的另外一部分?jǐn)?shù)據(jù)是病人的實(shí)際診斷數(shù)據(jù)，病人的檢測(cè)數(shù)據(jù)經(jīng)過(guò)系統(tǒng)各級(jí)處理，并由AI模型給出了參考診斷結(jié)果，醫(yī)生參考這些數(shù)據(jù)，再根據(jù)自己的經(jīng)驗(yàn)?zāi)芰ψ龀鲎詈蟮脑\斷結(jié)果，其診斷結(jié)果同時(shí)傳入AI模型庫(kù)。

系統(tǒng)的報(bào)表采用BI工具做到了自定義方式，用戶通過(guò)鼠標(biāo)簡(jiǎn)單地拖拽想要的字段就可以得到想要的報(bào)表，還可以將生成的圖表預(yù)制發(fā)送到指定的郵箱。常規(guī)編程方式實(shí)現(xiàn)的報(bào)表開(kāi)發(fā)周期長(zhǎng)成本高，而采用BI工具后，不懂技術(shù)的業(yè)務(wù)人員也可以通過(guò)菜單頁(yè)面實(shí)現(xiàn)構(gòu)建報(bào)表，避免以后的業(yè)務(wù)變更時(shí)新報(bào)表的二次開(kāi)發(fā)。

總之，通過(guò)AI技術(shù)實(shí)現(xiàn)了現(xiàn)有病例的醫(yī)生模擬診斷，在一定程度上消除了醫(yī)生的誤診，提高了醫(yī)院的診斷效率，未來(lái)該系統(tǒng)會(huì)向新型的病例診斷做進(jìn)一步的探索研究。

作者單位：中國(guó)電子-文思海輝智科科技有限公司大連分公司