人工智能技術(shù)在醫(yī)療耗材分類中的應(yīng)用研究

謝海源，錢明理，李勁松

上海交通大學(xué)醫(yī)學(xué)院附屬新華醫(yī)院，上海市，200092

人工智能技術(shù)在醫(yī)療耗材分類中的應(yīng)用研究

【作 者】謝海源，錢明理，李勁松

上海交通大學(xué)醫(yī)學(xué)院附屬新華醫(yī)院，上海市，200092

建立非收費醫(yī)療耗材的規(guī)范分類和耗材使用數(shù)據(jù)庫，是實現(xiàn)對不同醫(yī)院使用的非收費醫(yī)療材料進行統(tǒng)一歸類和管理基礎(chǔ)。采用人工智能的方法進行分類和數(shù)據(jù)庫的建立是一種客觀的、高效的方法，分類準(zhǔn)確性也較好。

醫(yī)療耗材；人工智能；模糊數(shù)學(xué)；專家系統(tǒng)

醫(yī)療耗材因其品種多，分類復(fù)雜，更新快，一直是醫(yī)院資產(chǎn)管理上的一個難點。對醫(yī)療耗材建立數(shù)據(jù)庫，并對其進行分類管理是目前一種通常的做法，這樣能夠較快的提高工作效率。針對收費醫(yī)療耗材，上海市的醫(yī)保局和物價局已先行一步，從各自的角度出發(fā)，建立了相關(guān)的分類和附帶編碼的耗材數(shù)據(jù)庫。

然而對于非收費的醫(yī)療耗材，至今還沒有一個較為規(guī)范的分類和耗材數(shù)據(jù)庫。這些非收費的醫(yī)療耗材一般價格比較低廉，如紗布，棉球、普通敷料、醫(yī)用高分子材料等，但這些非收費醫(yī)療耗材往往使用面很廣，實際使用量相當(dāng)大。作為各醫(yī)院的直接成本支出，有效的管理這些非收費的醫(yī)療耗材，對“雙控雙降”工作的意義不言而喻。

管理好這些非收費醫(yī)療耗材，首要問題是對其建立較為規(guī)范的分類和耗材信息數(shù)據(jù)庫。本文從管理的要求出發(fā)，結(jié)合工程技術(shù)，探討建立分類和耗材信息數(shù)據(jù)庫的方法。

1 非收費醫(yī)療耗材的分類

醫(yī)療耗材屬于醫(yī)療器械的范疇，我國醫(yī)療器械管理的權(quán)威部門是國家食品藥品監(jiān)督管理局(CFDA)。CFDA對我國的醫(yī)療器械進行分類管理，其中包含了醫(yī)療耗材部分。根據(jù)最新版的醫(yī)療器械分類目錄[1]，CFDA對醫(yī)療耗材的分類已經(jīng)較為完善，可以拿來參考，但還需要改進兩個問題。(1) CFDA不負(fù)責(zé)醫(yī)療耗材的收費，也就是說其分類不分收費與非收費醫(yī)療耗材。(2) 分類下的品名舉例不具有完備性，在建立數(shù)據(jù)庫時需要擴充和改進。例如，醫(yī)用電子儀器設(shè)備下的無創(chuàng)醫(yī)用傳感器（6821-03.2）分類沒有品名舉例，在實際工作中，一次性氧飽和度傳感器屬于該類，且可以收費；重復(fù)使用氧飽和度傳感器、心電導(dǎo)聯(lián)線、血壓袖帶也屬于該類，但都不可收費。

2 非收費醫(yī)療耗材和其類別的表示

非收費醫(yī)療耗材的分類和信息數(shù)據(jù)庫的建立基于計算機管理。根據(jù)上海市多家三級醫(yī)院調(diào)研的情況，醫(yī)療耗材的管理具有一些共性的特點。(1) 醫(yī)療耗材的基本信息都以結(jié)構(gòu)化的形式保存于計算機系統(tǒng)中。(2) 一種醫(yī)療耗材一般包含：醫(yī)療耗材名稱、規(guī)格型號、編號、進價、生產(chǎn)廠家信息、代理商信息、醫(yī)療器械注冊信息等基本信息。正因為以上兩個特點，采用人工智能技術(shù)對不同醫(yī)院非收費醫(yī)療耗材的信息進行收集整理成為了可能。

采用人工智能技術(shù)，首先是對非收費的醫(yī)療耗材進行規(guī)范化的知識表示。知識的表示有多種方法，如語義網(wǎng)絡(luò)表示法、狀態(tài)空間表示法、與或圖表示法等，這里較為適合的方法是框架表示法[2]。框架是一種描述所論對象（一個事物、時間或概念）屬性的數(shù)據(jù)結(jié)構(gòu)。一個框架表示為Frame={name, slaf, face, value}四部分。

非收費醫(yī)療耗材的類別是指由若干具有相同特性的耗材組成的集合。醫(yī)療耗材保存的信息為文本信息，而非公式或其他形式。可以采用向量空間模法[3]作為醫(yī)療耗材類的表示方法。同時可以為每個類設(shè)置一個特征樣本集，一方面是計算機知識學(xué)習(xí)和更新的需要，另一方面可形成非收費醫(yī)療耗材使用的基本信息數(shù)據(jù)庫。

不同醫(yī)院對非收費醫(yī)療耗材信息維護的完整程度不同，也就是說一個frame中對知識描述并不具有完備性，應(yīng)該允許某些slof或face不參與分類。另外，不同的slof或face在分類中的相關(guān)程度也是不同的，可以引入模糊理論[4]的概念，對每一個slof或face設(shè)置隸屬度函數(shù)μ。隸屬度用來表示集合中的某一個元素X隸屬于集合A的程度。在論域U，U到[0, 1]閉區(qū)間的任一映射μA表示為：

μ值越大，隸屬度越高。總體來說，一個醫(yī)療耗材類別A采用向量表示法可表示為：

隸屬度函數(shù)μA(xi)的確定是運用模糊集合理論解決實際問題的基礎(chǔ)。隸屬度函數(shù)確定一般根據(jù)經(jīng)驗或統(tǒng)計來選取初步的隸屬度函數(shù)，再通過學(xué)習(xí)和矯正將其逐步完善。在這里，μA(xi)可表示為：

其中，pi為每slof或face在類別A中所代表的重要程度，范圍為[0, 1]，且pi的取值需要根據(jù)經(jīng)驗進行設(shè)置；Ti為特征值向量。設(shè)一列特征向量表示為Ti(Wi1, Wi2, ...Wij... Wim)，根據(jù)特征詞出現(xiàn)的頻率確定特征詞向量值。計算：

其中，W(ij)為特征詞Ti在類別Ai中的權(quán)重，tf (Ti, Ai)為Ti在類別Ai中出現(xiàn)的頻率，分母為歸一化因子。W(ij)可根據(jù)每一次分類行為進行調(diào)整，逐步優(yōu)化。將式(4)和式(3)代入式(2)即得到每次調(diào)整后的類A的向量表示。

3 推理方法

模糊模式識別中的個體模式識別，采用擇近原則[4]：定義貼近σ度是兩個集合間的模糊關(guān)系，若有n個模式A(1), A(2), ..., A(n), 對待識別（分類）的對象X，若：

則X與A(i)最貼近，因此X屬于A(i)類。以這種模式識別方法為基礎(chǔ)，采用k鄰近法（kNN）[6]形成決策過程，見圖1。

(1) 根據(jù)醫(yī)療器械注冊證編號進行預(yù)分類，目的是提高分類效率，避免遍歷全部樣本庫。醫(yī)療器械注冊證的第二和第三位代表了醫(yī)療耗材在醫(yī)療器械標(biāo)準(zhǔn)體系中的分類[5]。如××藥監(jiān)械(準(zhǔn))字2011第164××××號注冊證，可預(yù)分類為醫(yī)用衛(wèi)生材料及敷料（6864），管理級別為1級。另外預(yù)分類有類似負(fù)樣本庫的作用，可以防止概念的外延。

整合資源，構(gòu)建云平臺。智慧云平臺徹底解決各地融媒體建設(shè)中資金不足、技術(shù)缺乏、安全性差等一系列問題，變區(qū)域傳播為全域傳播，極大提升地方傳播力、影響力、引導(dǎo)力。

(2) 采用串行查找法遍歷所有的預(yù)分類下樣本集合，找到與X最貼近的個樣本，按貼近度σ從高到低依次記為σ1, σ2, ..., σk。根據(jù)這k個最近鄰居的特性來完成決策過程。

判斷的條件包括：

① σ (X, A(i))是否大于某個閾值θ;

② 如果有σ (X, A(1))＞σ (X, A(2))＞...＞σ (X, A(k))＞θ，是否這個樣本都是屬于同一個類別。

條件①是為了保證需要分類的醫(yī)療耗材與樣本之間有足夠的貼近度，條件②是為了保證分類沒有歧義。當(dāng)以上兩個條件均滿足時，將當(dāng)前醫(yī)療耗材X歸為類A，否則歸類失敗，計算機進入學(xué)習(xí)模式，對知識庫進行更新。

圖1 推理過程Fig.1 Inference process

4 知識的學(xué)習(xí)與更新

計算機和人腦一樣，需要通過機器學(xué)習(xí)來積累知識，提高推理能力。學(xué)習(xí)有兩種方式，初始化學(xué)習(xí)和增量學(xué)習(xí)。

有了初始化的學(xué)習(xí)是不夠的，初始化學(xué)習(xí)的知識有限，完備性不足，容易出現(xiàn)分類失敗的情況。所以計算機為了提高推理能力，必須進行增量學(xué)習(xí)。增量學(xué)習(xí)的信息來自其他醫(yī)院的非收費醫(yī)療耗材數(shù)據(jù)庫。如前所述，當(dāng)推理失敗時，計算機可進入學(xué)習(xí)模式。在學(xué)習(xí)模式中，進行手工分類，將分類失敗的耗材歸類，或者建立新的分類，當(dāng)分類有歧義時，還可以對分類進行調(diào)整，糾正初始化學(xué)習(xí)時的錯誤。

5 專家系統(tǒng)的設(shè)計

專家系統(tǒng)[7]是一種模擬人類專家解決領(lǐng)域問題的計算機程序系統(tǒng)。他能利用特定領(lǐng)域的專門知識和經(jīng)驗，通過推理和判斷來模擬人類專家才能解決的各種復(fù)雜的、具體的問題。專家系統(tǒng)有專門的開發(fā)軟件，如OPS5、AGE、PROLOG等，這些語言開發(fā)功能強大，但是通用性較差。醫(yī)院對醫(yī)療耗材的管理都是基于數(shù)據(jù)庫開發(fā)的，專家系統(tǒng)可以說是醫(yī)療耗材管理系統(tǒng)中的一個較為特殊的功能模塊，合理的方法是將其設(shè)計成一個類(Class)，通過調(diào)用類中的方法或函數(shù)實現(xiàn)專家系統(tǒng)的推理過程（見圖2）。

不論采用何種語言實現(xiàn)，專家系統(tǒng)應(yīng)具有：(1)知識庫，其主要功能是存儲管理系統(tǒng)中的知識，在醫(yī)療耗材的分類中，可以認(rèn)為是具有規(guī)范形式的樣本集合的數(shù)據(jù)庫；(2) 推理機，這是專家系統(tǒng)的思維結(jié)構(gòu)，通過程序?qū)崿F(xiàn)推理過程和控制策略；(3) 綜合數(shù)據(jù)庫，也稱為黑板，用于存放推理過程中產(chǎn)生的中間結(jié)果；(4) 人機接口；(5) 解釋機構(gòu)，向用戶解釋推理的過程，體現(xiàn)系統(tǒng)推理的透明度。

圖2 專家系統(tǒng)結(jié)構(gòu)Fig.2 Expert system structure

專家系統(tǒng)是一個復(fù)雜的程序系統(tǒng)，設(shè)計的知識表示模式及推理機不一定完全符合領(lǐng)域內(nèi)問題的實際情況，需要一邊建立、一邊驗證、一邊修正，必須采用漸增式的開發(fā)策略，即先建立一個專家系統(tǒng)模型，然后對系統(tǒng)進行各種試驗，在取得經(jīng)驗的基礎(chǔ)上，在逐步形成比較完備的專家系統(tǒng)。

6 測試分析

由于各醫(yī)院的管理模式不同，管理人員的知識能力也存在差別，所以當(dāng)采用人工方法對非收費醫(yī)療耗材進行分類時，主觀性強，不是所有的醫(yī)療耗材均能準(zhǔn)確的歸納分類，容易產(chǎn)生歧義。另外，有些醫(yī)療耗材在數(shù)據(jù)庫系統(tǒng)中信息維護的完整性不高，部分編碼信息所包含的內(nèi)容也不能立即被人為識別，造成分類難度高，效率低。

采用智能分類方法對無創(chuàng)醫(yī)用傳感器類、敷料及護創(chuàng)材料類和導(dǎo)管及引流管類進行測試。測試情況如表1所示。

表1 測試結(jié)果Tab.1 Test results

表1中，導(dǎo)管及引流管類的準(zhǔn)確率稍低一些，原因是除導(dǎo)管及引流管類之外還存在氣體插管、腸道插管類，影響了準(zhǔn)確性，所以對該類還需要做進一步調(diào)整。智能分類方法，引入了計算機進行推理歸類，雖不能保證百分之百正確，但客觀性強、分類效率大大提高。特別是對醫(yī)療器械分類舉例中未涉及的，醫(yī)療耗材名稱和用途表述含糊不清的一些醫(yī)療耗材，分類能力較強 ，這也是智能分類的一個特點。

[1] CFDA. 醫(yī)療器械分類標(biāo)準(zhǔn)目錄[EB/OL]. [2012-07-16]. http:// www.cfda.gov.cn/.

[2] 修春波.人工智能原理[M]. 北京：機械工業(yè)出版社，2011.

[3] 胡學(xué)鋼, 董學(xué)春, 謝飛. 基于詞向量空間模型的中文文本分類方法[J].合肥工業(yè)大學(xué)學(xué)報, 2007, 30(10): 1261-1264.

[4] 謝季堅, 劉承平. 模糊數(shù)學(xué)方法及其應(yīng)用[M]. 武漢: 華中科技大學(xué)出版社, 2005.

[5] 張學(xué)龍. 醫(yī)療器械概論[M]. 北京: 人民衛(wèi)生出版社, 2011.

[6] 朱斌, 熊應(yīng), 朱海云. 人工智能在電子郵件分類中的應(yīng)用[J].華南理工大學(xué)學(xué)報, 2001, 29(12): 53-55.

[7] 尹朝慶. 人工智能與專家系統(tǒng)[M]. 北京: 中國水利水電出版社，2009.

The Application of Al in Medical Consumable Classifer

【W(wǎng)riters】Xie Haiyuan, Qian Minli, Li Jinsong
Xinhua hospital affliated to Shanghai Jiaotong University School of medicine, Shanghai, 200092

medical consumable, AI, fussy mathematics, ES

R319

A

10.3969/j.issn.1671-7104.2014.05.021

1671-7104(2014)05-0386-03

2014-02-10

謝海源，E-mail: shsmuxie@163.com

李勁松，E-mail: jinsongli@xinhuamed.com

【 Abstract 】Establish normal classifer of non-charge medical consumable and database of medical consumable inuse, is the basis of uniform classifcation and management of non-charge medical materials used in different hospital. It’s an objective and effective method to classify by AI and set up the database, and has better classifcation accuracy.