——潘偉華 許 健 穆嘉盛 黃宇飛 沈鴻樓 汪 鑫 歐陽田崠

近年來，隨著疾病譜的變化和人民群眾對高質(zhì)量醫(yī)療服務(wù)需求的日益增長，提高醫(yī)療質(zhì)量安全管理的科學(xué)化、精細(xì)化水平顯得尤為迫切。單病種質(zhì)量管理以病種為管理單元，關(guān)注臨床診療過程的質(zhì)量管理，是規(guī)范診療行為、確保醫(yī)療質(zhì)量和醫(yī)療安全的有效手段[1]。2020年，國家衛(wèi)生健康委員會(huì)辦公廳印發(fā)《關(guān)于進(jìn)一步加強(qiáng)單病種質(zhì)量管理與控制工作的通知》(國衛(wèi)辦醫(yī)函〔2020〕624號(hào))，進(jìn)一步強(qiáng)調(diào)完善單病種質(zhì)控工作，促進(jìn)各級衛(wèi)生健康行政部門和各級各類醫(yī)療機(jī)構(gòu)應(yīng)用質(zhì)量管理工具加強(qiáng)過程監(jiān)管，充分發(fā)揮單病種質(zhì)控的作用。

基于國家政策要求，全國各級各類醫(yī)療機(jī)構(gòu)以單病種數(shù)據(jù)上報(bào)工作為基礎(chǔ)，通過加強(qiáng)診療過程中的數(shù)據(jù)采集和質(zhì)量控制，提高醫(yī)療質(zhì)量和安全管理水平。在數(shù)據(jù)采集方面，目前采取三種方式：自動(dòng)采集、自動(dòng)采集+手工補(bǔ)充上報(bào)以及單純手工上報(bào)。但對于多數(shù)醫(yī)院而言，由于病種數(shù)量多，數(shù)據(jù)采集過程復(fù)雜，完全實(shí)現(xiàn)數(shù)據(jù)信息的自動(dòng)化采集還難以實(shí)現(xiàn)，采集數(shù)據(jù)準(zhǔn)確率也難以保證。同時(shí)，醫(yī)療機(jī)構(gòu)的信息化能力與水平會(huì)對過程指標(biāo)質(zhì)控產(chǎn)生一定影響，這對單病種過程質(zhì)控提出了較大挑戰(zhàn)。綜合我國當(dāng)前單病種質(zhì)量管理現(xiàn)狀來看，盡管總體執(zhí)行達(dá)標(biāo)率不斷提升，但仍存在數(shù)據(jù)上報(bào)不規(guī)范、對過程質(zhì)控干預(yù)不足、人工統(tǒng)計(jì)數(shù)據(jù)真實(shí)性存疑且滯后等問題。因此，通過人工智能與醫(yī)療流程的深度有機(jī)融合，實(shí)現(xiàn)對醫(yī)療過程的實(shí)時(shí)質(zhì)量監(jiān)測，提高單病種質(zhì)量管理水平，成為醫(yī)院管理的重要路徑[2]。

1 可行性分析

就單病種數(shù)據(jù)采集和上報(bào)而言，需要對以往病歷數(shù)據(jù)完成結(jié)構(gòu)化、標(biāo)準(zhǔn)化抽取，這可以通過自然語言處理技術(shù)與數(shù)據(jù)倉庫構(gòu)建技術(shù)得以實(shí)現(xiàn)；就單病種過程質(zhì)控而言，實(shí)現(xiàn)診療行為的及時(shí)提醒，是基于人工智能的醫(yī)學(xué)知識(shí)圖譜和機(jī)器學(xué)習(xí)技術(shù)應(yīng)用領(lǐng)域。隨著各級各類醫(yī)療機(jī)構(gòu)信息化發(fā)展步入快車道，醫(yī)療數(shù)據(jù)質(zhì)量也隨之穩(wěn)步提升。目前，已有醫(yī)療機(jī)構(gòu)通過云計(jì)算、微服務(wù)等構(gòu)建了以結(jié)構(gòu)化電子病歷為基礎(chǔ)的?？茖２?shù)據(jù)庫，并按照個(gè)性化、精細(xì)化模式不斷優(yōu)化，這為未來多元病種的臨床質(zhì)控奠定了堅(jiān)實(shí)基礎(chǔ)。

2 人工智能輔助單病種質(zhì)量管理的思路

2.1 依據(jù)國家質(zhì)控標(biāo)準(zhǔn)規(guī)劃管理路徑

在構(gòu)建系統(tǒng)時(shí)，應(yīng)積極落實(shí)國家衛(wèi)生健康委員會(huì)關(guān)于單病種質(zhì)量管理的政策和標(biāo)準(zhǔn)，結(jié)合臨床路徑、DRGs等不同維度質(zhì)控指標(biāo)，與臨床業(yè)務(wù)融合，靈活規(guī)劃，形成單病種臨床質(zhì)控管理路徑。同時(shí)，還應(yīng)將單病種質(zhì)量管理指標(biāo)的要求與臨床路徑相結(jié)合，將指標(biāo)要求分解到各醫(yī)療環(huán)節(jié)，以臨床路徑為基礎(chǔ)，深入推進(jìn)單病種質(zhì)量管理工作。

2.2 開展多維度分層級過程質(zhì)控

2.2.1 基于結(jié)構(gòu)化知識(shí)庫的事中查詢 基于結(jié)構(gòu)化知識(shí)庫與質(zhì)控規(guī)則，醫(yī)生在診療過程中可按需檢索，實(shí)現(xiàn)人為主動(dòng)干預(yù)。檢索方式支持不同的知識(shí)組織結(jié)構(gòu)，如詞條、樹狀結(jié)構(gòu)、圖譜結(jié)構(gòu)等。

2.2.2 基于本體元建模、質(zhì)控規(guī)則庫和規(guī)則引擎的事中自動(dòng)干預(yù) 運(yùn)用本體理論對復(fù)雜臨床場景進(jìn)行抽象表達(dá)，創(chuàng)建業(yè)務(wù)邏輯模型，通過規(guī)則庫本體元的屬性表達(dá)以及常見邏輯關(guān)系組合，形成復(fù)雜的臨床應(yīng)用規(guī)則，根據(jù)不同場景定義將這些規(guī)則統(tǒng)一納入規(guī)則引擎中，由當(dāng)前診療過程數(shù)據(jù)決定當(dāng)下場景的質(zhì)控規(guī)則是否被觸發(fā)，從而提示用戶采取相應(yīng)干預(yù)措施。

2.2.3 基于機(jī)器學(xué)習(xí)的自學(xué)習(xí)式過程干預(yù) 建立基于病種診療數(shù)據(jù)和國家標(biāo)準(zhǔn)的質(zhì)控規(guī)則，為干預(yù)處置提供決策支持，并利用大量真實(shí)臨床過程數(shù)據(jù)及標(biāo)準(zhǔn)規(guī)則進(jìn)行模型訓(xùn)練，以實(shí)現(xiàn)對醫(yī)生診療過程合規(guī)性的精準(zhǔn)分析。同時(shí)，在醫(yī)院已有體系基礎(chǔ)上，支持不同類型、不同力度的多維度消息通知，確保質(zhì)控消息及時(shí)且準(zhǔn)確傳達(dá)。

2.3 構(gòu)建病種知識(shí)圖譜，為專病科研提供依據(jù)

在國家單病種質(zhì)量管理標(biāo)準(zhǔn)基礎(chǔ)上，單病種過程質(zhì)控系統(tǒng)與臨床路徑、DRGs、診療經(jīng)驗(yàn)、學(xué)科研究等結(jié)合，構(gòu)建單病種知識(shí)圖譜，輔助醫(yī)院開展專病科研工作，提高單病種質(zhì)控效能?？舍槍Ω鲗２∵M(jìn)行大量數(shù)據(jù)積累和指標(biāo)分析研究，構(gòu)建個(gè)性化預(yù)測模型，從而進(jìn)行相關(guān)領(lǐng)域內(nèi)容的縱向延伸，并進(jìn)一步橫向拓展研究內(nèi)涵，為單病種科研提供研究依據(jù)。

3 通過人工智能開展單病種質(zhì)量管理的實(shí)踐

3.1 在病種數(shù)據(jù)采集中的應(yīng)用

在單病種上報(bào)系統(tǒng)引入智能化數(shù)據(jù)采集引擎，支持多源異構(gòu)數(shù)據(jù)采集，能夠提供自然語言處理功能，同時(shí)滿足結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)抓取要求，兼容多種數(shù)據(jù)結(jié)構(gòu)采集。此外，采用與國家平臺(tái)一致的接口規(guī)范，從而將采集到的數(shù)據(jù)無縫對接并自動(dòng)上報(bào)至國家平臺(tái)。

3.2 在專科病歷質(zhì)控中的應(yīng)用

醫(yī)療健康領(lǐng)域具有知識(shí)復(fù)雜、服務(wù)密集、更新迭代快等特點(diǎn)，為了做到精細(xì)化和個(gè)性化質(zhì)控，通過應(yīng)用人工智能技術(shù)，結(jié)合數(shù)據(jù)驅(qū)動(dòng)、知識(shí)驅(qū)動(dòng)方式，實(shí)現(xiàn)電子病歷的內(nèi)涵質(zhì)控、數(shù)據(jù)后結(jié)構(gòu)化處理、病案首頁規(guī)范化填報(bào)及單病種實(shí)時(shí)監(jiān)測反饋等[3]。具體技術(shù)路線與方法包括：(1)借助大數(shù)據(jù)醫(yī)療文本分析、醫(yī)學(xué)自然語言處理、醫(yī)療語義標(biāo)準(zhǔn)化解析、醫(yī)療知識(shí)圖譜及相關(guān)機(jī)器學(xué)習(xí)等人工智能技術(shù)，加強(qiáng)病歷數(shù)據(jù)語義解析及質(zhì)控推理的基礎(chǔ)能力建設(shè)；(2)在質(zhì)控推理與判斷過程中，通過基礎(chǔ)醫(yī)療大數(shù)據(jù)技術(shù)從數(shù)據(jù)完整性、規(guī)范性、邏輯性、準(zhǔn)確性等方面構(gòu)建多維數(shù)據(jù)質(zhì)量評價(jià)指標(biāo)體系[4]，實(shí)時(shí)對電子病歷系統(tǒng)中的病歷文本進(jìn)行初步數(shù)據(jù)整合、數(shù)據(jù)清洗、字段分析及模式映射等預(yù)處理；(3)有效利用院內(nèi)電子病歷記錄數(shù)據(jù)，通過人工介入，以數(shù)據(jù)驅(qū)動(dòng)及知識(shí)驅(qū)動(dòng)方式，構(gòu)建病歷數(shù)據(jù)模型訓(xùn)練與質(zhì)控知識(shí)庫；(4)通過人工智能技術(shù)與算法框架對電子病歷系統(tǒng)中的病歷文本進(jìn)行相應(yīng)語義分析、要素識(shí)別、術(shù)語歸一及實(shí)體鏈指，實(shí)現(xiàn)對病歷文本宏觀與微觀內(nèi)容的深度理解；(5)通過知識(shí)校驗(yàn)、語義計(jì)算、知識(shí)推理及一致性分析等模型算法及推理機(jī)制，實(shí)現(xiàn)對病案的形式化、內(nèi)涵化質(zhì)控判斷，同時(shí)集成多維度不同的策略及算法，實(shí)現(xiàn)對不同專病病種的臨床醫(yī)療合理性、操作規(guī)范性、管理系統(tǒng)性等的深度內(nèi)涵質(zhì)控。

3.3 在專病臨床科研中的應(yīng)用

臨床科研是推動(dòng)臨床醫(yī)學(xué)創(chuàng)新發(fā)展的主要?jiǎng)恿5]。隨著醫(yī)院信息化水平的不斷提升，醫(yī)院積累了大量臨床數(shù)據(jù)，這是科研的數(shù)據(jù)信息基礎(chǔ)[6]。在臨床科研過程中，專病數(shù)據(jù)庫系統(tǒng)將發(fā)揮積極作用。專病數(shù)據(jù)庫系統(tǒng)可利用多維度篩選、隊(duì)列研究等工具與方法，幫助臨床科研人員便捷獲取科研樣本集合，并通過創(chuàng)新技術(shù)工具與算法快速完成多樣性病例數(shù)據(jù)采集，從而實(shí)現(xiàn)對多模態(tài)真實(shí)世界數(shù)據(jù)的融合建模，輔助開展前瞻性與回顧性研究。

4 展望

醫(yī)療質(zhì)量是所有醫(yī)療機(jī)構(gòu)賴以生存的生命線。將人工智能技術(shù)應(yīng)用于單病種質(zhì)量管理中，將更好地滿足醫(yī)療機(jī)構(gòu)對醫(yī)療質(zhì)量提升的剛性需求。依托信息化、智能化等技術(shù)手段，構(gòu)建單病種隊(duì)列數(shù)據(jù)庫與生物樣本全息庫，不僅可以為單病種質(zhì)量管理提供新的抓手，而且可以完善數(shù)據(jù)管理機(jī)制，提升數(shù)據(jù)標(biāo)準(zhǔn)化程度，從而為后續(xù)醫(yī)學(xué)研究提供新的思路。

4.1 真實(shí)世界數(shù)據(jù)范圍與模態(tài)維度圈定

醫(yī)療機(jī)構(gòu)應(yīng)結(jié)合持續(xù)積累的單病種臨床診療經(jīng)驗(yàn)，對院內(nèi)現(xiàn)有信息系統(tǒng)應(yīng)用及數(shù)據(jù)記錄內(nèi)容進(jìn)行綜合評估，采用人工智能數(shù)據(jù)驅(qū)動(dòng)方式與回顧性研究方法，挖掘數(shù)據(jù)潛在價(jià)值，從循證醫(yī)學(xué)及臨床研究角度出發(fā)，進(jìn)行有據(jù)可依的單病種真實(shí)世界數(shù)據(jù)范圍與模態(tài)維度圈定。

4.2 單病種與生物樣本全息庫建設(shè)

醫(yī)療機(jī)構(gòu)需構(gòu)建專病隊(duì)列數(shù)據(jù)集標(biāo)準(zhǔn)，包括涉及多種模態(tài)數(shù)據(jù)的結(jié)構(gòu)化標(biāo)準(zhǔn)、質(zhì)量標(biāo)準(zhǔn)、術(shù)語標(biāo)準(zhǔn)、表征標(biāo)準(zhǔn)、編碼標(biāo)準(zhǔn)等?？刹捎萌斯ぶ悄鼙倔w設(shè)計(jì)思路、知識(shí)工程建設(shè)思想、符號(hào)化及向量化表征等創(chuàng)新技術(shù)，并結(jié)合國家公布的多種指引性規(guī)范，進(jìn)行上述標(biāo)準(zhǔn)體系建設(shè)。

同時(shí)，依據(jù)確定的單病種真實(shí)世界數(shù)據(jù)范圍與模態(tài)維度，利用大數(shù)據(jù)、人工智能等技術(shù)對院內(nèi)各信息系統(tǒng)中的多源異構(gòu)數(shù)據(jù)進(jìn)行采集、傳輸、清洗、整合、加工處理、分析挖掘和病種建模等數(shù)據(jù)計(jì)算操作，構(gòu)建單病種隊(duì)列數(shù)據(jù)與生物樣本全息庫，形成以單病種與生物樣本大數(shù)據(jù)為中心的數(shù)字化生命健康產(chǎn)業(yè)。比如：在臨床研究過程中，利用病種和基因大數(shù)據(jù)分析與特征處理，通過致病基因?qū)膊∵M(jìn)行分類和診斷；在臨床診斷方面，將基因大數(shù)據(jù)應(yīng)用于疾病的臨床診斷，作為傳統(tǒng)臨床診斷的補(bǔ)充；在疾病篩查方面，開展以多基因風(fēng)險(xiǎn)評分為代表的專病預(yù)測性研究等。

4.3 多模態(tài)真實(shí)世界認(rèn)知體系構(gòu)建

基于單病種隊(duì)列數(shù)據(jù)庫與生物樣本全息庫，醫(yī)療機(jī)構(gòu)應(yīng)以臨床科研創(chuàng)新驅(qū)動(dòng)為導(dǎo)向，通過組建復(fù)合型多專家團(tuán)隊(duì)，構(gòu)建面向多角色操作、多模態(tài)數(shù)據(jù)、多處理環(huán)節(jié)、多標(biāo)注層級、多建模任務(wù)的一體化認(rèn)知體系，以臨床真實(shí)世界數(shù)據(jù)研究、生物醫(yī)藥協(xié)同、醫(yī)療人工智能認(rèn)知挖掘?yàn)楹诵?，開展多模態(tài)持續(xù)認(rèn)知與運(yùn)營體系建設(shè)。