人工智能落地安徽省立醫院

文/本刊記者 曹凱

安徽省立醫院聯手科大訊飛，研發語音病歷輸入系統，同時大規模應用人工智能輔助影像科診斷。

8月底，安徽省立智慧醫院在安徽省立醫院揭牌，安徽省立醫院人工智能輔助診療中心同期成立。盡管不少企業和醫院都在聯合研發人工智能輔助診斷技術，但是基本都還沒有落地到大規模臨床應用。

安徽省立醫院黨委書記劉同柱指出，這是國內醫院首次將這一技術落地臨床應用，并設置專責管理部門。

安徽省立醫院聯手科大訊飛，人工智能技術在醫療場景應用的探索終于落地。隨后，一些科技企業估計還會拋出一些新的人工智能玩法。其實，早在前些年以輕問診、掛號為主要特征的互聯網醫療融資熱潮中，一些創新型高科技企業就已經開始和醫院一起憋大招。

這些由大型三甲醫院深度介入的新玩法，緊貼醫院和醫生的需求，比熱絡的互聯網醫療創業離醫院核心業務更近了。

安徽省立醫院醫生使用語音輸入技術，輔助電子病歷書寫，人工智能改變醫生工作流程。

病歷語音輸入試水

作為國內領先的高科技企業，科大訊飛的語音輸入技術在國內首屈一指。他們早在2015年就開始聯系安徽省立醫院管理層，希望從大型三甲醫院的真實需求入手，與醫院一起聯合探索語音輸入技術在醫院的應用。

劉同柱告訴《中國醫院院長》，“醫護人員除了繁忙的診療工作，還要耗費大量的精力在醫療文書填寫上。能否通過語音輸入技術應用把醫務人員從繁雜的文書工作中解脫出來，這是醫院管理者迫切關心的”。

安徽省立醫院2016年門急診量已然超過320萬人次，平均每天接診的患者將近萬人，醫務人員在文書工作上的時間和精力投入可謂龐雜。其實，所有的醫院都面臨著這樣的問題：醫務人員一方面希望壓縮文書工作壓力，更加專心為患者服務；另一方面醫療文書是醫療過程的關鍵記錄，一旦發生醫患糾紛又是最重要的法律證據，不可能過于簡化，似乎是個兩難的問題。

經過一段時間的醞釀，2016年6月安徽省立醫院與科大訊飛成立“醫學人工智能聯合實驗室”，共同研發醫療人工智能技術。語音輸入技術的醫院應用，自然成為其中一個主攻方向，雙方都希望最終實現輔助醫療文書工作。

目前，一款稱為“云醫聲”的系統已經嵌入醫院HIS系統中。醫生將其安裝在自己手機上，佩戴上耳麥就可以對手機發出指令，進入HIS系統調閱患者電子病歷，“追蹤掌握每位患者的病案信息和最新診療報告”。因為安徽省立醫院醫院信息化越來越完備，掛號、診療、檢查、取藥流程同步信息化程度已經非常高，“云醫聲”系統語音指令大大提高了醫生工作的效率。

同時，云醫聲最重大的突破則是語音錄入電子病歷。傳統的工作流程，B超過程中，一個醫生執行操作，可能需要一個護士隨時按照醫生描述進行記錄；口腔科醫生在拔牙洗牙操作完成以后，還要脫掉手套，再來寫病歷。劉同柱介紹，“醫生現在配上麥克風，一邊進行醫療操作，另一邊電子病歷就按照醫生口述自動生成了”。

劉同柱指出，“云醫聲的語音輸入系統有較強的自我學習功能，能夠識別說話者的聲紋。如果某些字經常錯誤，它會自動學習，下一次會自動更正。因此，一些員工即使略微帶有方言口音，也是可以使用的”。

當然，這樣生成的電子病歷并不是最終版本，依然需要醫生再進行后期的確認，避免出現不必要的紕漏。隨著技術的持續進步，它肯定能夠進一步縮減醫生文字信息錄入的壓力，減少醫院在這一操作中的人力投入。目前，這一系統已經引起安徽省立醫院部分年輕醫生的關注。

目前，這一技術主要在住院部門使用，門診環境比較嘈雜暫時還有一定的瓶頸。不過，類似醫院的專業化應用場景，專業術語較多，隨著后臺醫學知識數據庫的完備和語音輸入技術的發展，語音輸入的準確度反而可以進一步提高。

安徽省立醫院院長許戈良此前曾提到，醫院的醫生每天使用“云醫聲”手機APP近千人次，登錄電子病歷、檢驗檢查等各項功能頁面約5300次。

影像輔助診斷落地

當前，隨著CT設備普及率提升，肺部結節篩查出來的數量較大，要排查出其中癌癥患者任務量就大，需要大量人力投入。而且，一旦出現誤診，對于患者個人的影響也比較大。

安徽省立醫院一位醫生告訴《中國醫院院長》，僅9月的第二個周末，醫院接受CT檢查的患者數量就達700多位，其中就有不少發現肺部結節；而且，CT照影的圖片常常多達數百張，如果全靠人工讀片，逐一篩查結節，需要耗費大量人力。

盡管最初是想從病歷語音輸入突破，安徽省立醫院與科大訊飛卻迅速碰撞出另外一個人工智能應用的主攻方向——輔助影像診斷，進一步介入醫生診療活動。而且，這一領域當前進展似乎要更快。

隨著人工智能技術識別圖片能力逐步提升，醫院影像科成為人工智能技術研發企業迫切希望聯絡的部門。

“醫院提供數據和醫學技術支持，科大訊飛則提供人工智能研發能力，就以CT胸片肺部結節的篩查作為人工智能臨床應用的突破口。”劉同柱指出。

也是在2016年6月，隨著前述實驗室建立，人工智能醫學影像輔助診斷系統開始在院內上線，進行測試和調試。在一年多的時間，輔助診斷系統深度學習醫院多年積攢的68萬張肺部CT影像資料和醫生診斷，逐漸形成機器自身的診斷能力，準確率也不斷提高。

其間，科大訊飛憑借著共同研發的輔助診斷系統到美國參加人工智能輔助診斷比賽，并獲得相關組別的第一名，準確率達到94%。

目前，一位成熟的影像科醫生五到十分鐘才能讀完一位患者的全部CT胸片，再給出自己的診斷意見。人工智能輔助診斷系統可以不眠不休大批量解讀CT片，還可以按照固定模板給出診斷建議。

盡管輔助診斷系統在很長一段時間不可能代替醫生給出最終診斷，但是醫生可以在其初篩的診斷意見上重點甄別，目的是進一步提升工作效益。

隨著肺部結節輔助診斷逐漸走向穩定，合作雙方又把需要影像檢查的乳腺腫瘤和其他疾病的篩查納入研究范疇。目前，乳腺腫瘤主要通過乳腺鉬靶照影篩查。前述輔助診斷系統，深度學習安徽省立醫院積攢的2萬多個病例影像資料，逐漸形成診斷能力，當前的診斷準確率可以達到80%以上。

8月初，人工智能輔助診療中心落地醫院的同時，肺部結節CT篩查和乳腺鉬靶照影篩查兩大功能同步上線。當天，這一系統也同步對接安徽省“醫學影像云”和安徽省立醫院醫聯體遠程會診系統。這就意味著，安徽省立醫院和41家接入的縣級醫院可以同步使用人工輔助診療系統，篩查肺部結節和乳腺腫瘤。

安徽省立醫院影像科提供的數據顯示，2017年8月，人工輔助診療系統接收全部醫院輔診例數超過9.7萬例，絕大部分是CT肺部結節篩查；而且，輔診系統提出不同診療意見數量為5600多例，這些病例就是各家醫院醫生進一步核查時需要特別關注的部分。

在國內很多醫院和企業還在進行臨床探索時，安徽省立醫院較早將人工智能輔診落地應用，成立專門機構統籌負責，目前免費讓接入系統的數十家醫院使用。

“前期研發有投入，服務不可能長期免費。目前，物價部門正在論證，看看能否通過合理的渠道予以補償。”劉同柱強調。

目前，醫院雖然成立人工智能輔助診療中心來負責這一塊事務，但是目前主要還是依托于具體科室。劉同柱指出，“下一步，醫院或將成立院外醫療部。新成立的中心將會放在該部之下；而且，院外醫療部還將下設一個新的機構，負責協調雙向轉診業務。我們還將在一系列探索更成熟之后，建立網絡醫院，將醫聯體醫院緊密結合起來”。