AI智能技術在病歷質控中的應用

金鑫 俞榮強 于學偉

摘要：采用人工監測病例質量方式面臨工作量大、覆蓋范圍小等問題，為此提出將AI智能技術應用到病例質控中。對人工智能在病例質控中的關鍵技術，及對現場應用情況進行分析。通過使用智能質控系統對病歷檢查出來的結果予以復核，并結合相關病歷質控標準予以調整各項質控設置，逐步提升智能檢查系統的準確性。通過采用AI智能技術后，醫院電子病歷機器質控率達到100%，病例質量有所提高，同時提升了醫院的病歷信息化管理水平及質量。

關鍵詞：病例;AI智能技術;質控;醫院;智能化

病例質控是醫院治療質量管理核心組成部分，工作量繁重。而現階段醫院病例質控多是采用人工監測方式實現，受到高學歷專業質控人員短缺、質控人員水平有待提升、病例數量多等因素影響，質控工作效率、覆蓋范圍以及病例質控質量等存在一定不足。隨著大數據以及人工智能技術等發展，為醫院醫療質控由人工方式向自動化方向轉變提供了良好技術支撐。通過引進AI智能技術對醫院歸檔病史進行自動質控，結合病歷書寫規范不斷學習，以提高智能質控的準確率，同時使醫院的病歷質量整體得到進一步的提升。通過AI智能系統提取病例文本數據，自動完成病例檢查并對病例質量評分，通過AI智能、人工相結合技術方法，管控所有病例，通過閉環管理來提升病例管控效率及質量，并提升醫院病例管理信息化、智能化水平。

1病歷質控存在問題分析

（1）未能實現病例全覆蓋、高效質控。現階段醫院病例質控通過人工監測實現，雖然質控精準率高，但是質控人員需要投入大量的精力對進行病例形式質檢工作;受到質檢人員、工作效率等限制，病例有效檢測范圍較小，檢測病例數只能占據到病例總數的10%左右，病例形式質檢占用大量時間及精力，難以對病例深層次內含進行質控。

（2）終末病歷質控有待提升。終末病歷質控檢測多集中在事后，即便發現病例出現問題，也是要求事后補漏，并向相關科室、醫務人員等提出整改措施，導致最終的歸檔病歷涂改較多。

（3）病歷檢查質量參差不齊。傳統醫療質量監控方法的實施，由于參與了人工監測手段，因而容易滲透人為因素影響，出現放寬執行標準或視標準而不顧的現象，致使對質控標準的掌握不一致，執行不力，質量監控不到位，監控效力低下。

2AI智能技術在病歷質控中關鍵技術

2.1 AI智能質控的閉環管理流程

具體設計的AI智能質控的閉環管理流程見圖1所示。通過采用機器學習、自然語言處理技術等AI智能技術構建病例錄入、病例提取以及質控排查，并對病例質量進行自動打分，篩選出低分數病例并提交為質控人員進行分析;人工分析確定病例需要進行整改時，則生成整改通知并讓對應醫生整改病例，若不需要整改則自動生產質控報表;通過實現閉環達到提高病例質控目的[3-5]。

圖1 AI智能質控的閉環管理流程圖

2.2 實施關鍵技術

病例中數據非結構化占比較高，根據統計分析占比超過80%，非結構化數據占比高會對對后續分析、利用產生一定影響。因此，針對此種情況，可通過自然語言處理技術對病例數據結構化處理，后續完成數據清洗、質量質控及評價等工作[6～7]。

2.2.1 基于多層級自然語言的文本數據結構化：電子病歷文本數據結構化的有效實施途徑之一即為自然語言處理，通過自然語言技術對文本數據結構處理后，可轉換成計算機系統可理解、分析信息，從而提高機器系統可讀性[8]。依據病例質量評估結構，并確定存在爭議數據之后，可針對數據問題差異提出不同的數據清洗策略，以便提高數據質量。通過自然語言處理（LNP）技術可對數據缺失、異?；蛘哌壿嬊昂竺艿葐栴}進行處理，提取文本數據對填補可能存在缺失數據、核對文本數據準確性以及邏輯性;標記文本數據中無法自動填補數據。為得到后結構化數據更為豐富、精準度更高，通過多層級自然語言技術并以文本數據類型（包括有現病史、主訴等）為基礎構建數據提取模型，并避免出現信息提取錯誤或者數據遺漏等問題。通過對電子病歷中原始數據解析，識別文本中實體、屬性、關系等關鍵信息，并轉換成后結構化數據。

2.2.1 病例數據清洗：醫療文本數據包含有豐富的信息，具體包括有病因診斷、癥狀描述、檢測方法以及針對性的治療方法等，可為患者疾病規律分析、診斷以及藥物應用效果分析等提供參考[9]。但是在臨床癥狀以及醫學術語中描述方法具有多樣性特征，同時不同信息系統中關于疾病、治療、診斷等術語存在表達不統一問題，可以權威教材、行業規范等用詞為依據，采用分類算法（包括有支持向量機、分類回歸數等）、標準化數據清洗流程對自然語言進行規范化、標準化處理，便于病例用語規范化評價、匹配及分析關鍵信息。

2.2.3 構建數據質控體系：上述關鍵技術多是對已采集到的數據進行后處理，為從源頭實現病例質量控制，需依質量控制標準構建內涵質控體系，對病例質量進行分析。主要功能包括有醫療文本結構化、質量評價、質量分析等[10～11]。

（1）醫療本文結構化。結構化提取病歷文本數據，內容有效、關鍵信息間關聯等。依據有關技術規范、標準等構建病歷各節點（如入院記錄-主述）內容模型，模型框架有體征、癥狀、檢查、疾病、手術等。通過語義分析、語言分詞等技術，實現病例文本后結構化處理。

（2）病例質量評價。對電子病歷進行質量評價并打分，給出病歷存在的質量內容，以便實現病歷問題快速定位，提高病歷質控精細化程度。病歷質量評價系統依據相關要求分類病例質控問題，如數據是否一致、書寫內容是否完整、是否依據診治實際情況書寫等，并構建質控規則庫、完成自動監控、反饋、提醒等功能，實現病例評價。

（3）病例質量分析。對相關科室甚至全院質量不高（打分偏低）病例進行匯總，對病例進行橫向、縱向分析，并通過便于展現的統計圖方式展示分析結果，以便為病例質管部門后續管理提供參考依據，輔助定位管理中存在問題，便于后續整改措施質量，提高病例質量管理水平及綜合能力。

3應用成效分析

3.1 應用效果分析

截止至2021年12月底，AI智能技術在醫院病例質控中應用良好，電子病歷機器質控率達到100%。隨著系統運行，為提高質控效率及精準度，系統為相關科室以及質控員等提供申述、反饋通道，由病例質控部門組織相關專家對反饋問題進行集中審核分析，并依據審核結果調整相關質控模型及評分機制，從而使得病例質控效率及結果精準度，大幅降低質控人員工作量及作業強度。將AI智能技術應用到病例質控中后，病例平均得分由最初76分提升至現階段的93分，病例質量得以明顯提升。以質控3000份病例為例，對AI智能技術與人工質控技術質控情況進行比對分析，具體結果見表1所示。AI智能技術質控效率較人工方式提升約50倍以上。

3.2 應用中表現問題分析

（1）數據適配。不同科室間病例數據適配問題突出，需進一步磨合。不同科室間存在明顯差異，以兒科以及內科為例，不同科室病例模板有明顯差異，導致病例數據結構存在明顯的異構情況，給AI智能質控系統帶來新的挑戰并顯著增加質控工作量，現場應用中仍需要對?？撇±０暹M行訓練、學習，以便提升不同類型病例質控適配度，達到提升病例質檢效果目的。

（2）病例質控無法實現100%智能運行，仍需要質控員配合。為提高病例質控系統質量把控精度、質量，仍采用AI智能質檢、質控員復核方式，雖然質檢效率較以往的抽檢質控方式大幅提升，但仍有較大的提升空間。

4總結

醫療大數據近年來得以快速發展，電子病歷是醫療大數據重要組成單元，其質量會影響醫療質量以及醫療大數據整體效果。在醫療病例管理中采用AI智能技術，有助于醫院臨床、管理以及科研等工作開展。

文中就對提出將AI智能技術應用到病例質控中，通過人工智能技術應用達到提高病例質量目的。給出AI智能質控的閉環管理流程以及智能管控關鍵技術，并對實際應用成效進行分析。醫院通過采用AI智能技術后，病例質量得以明顯提升，同時質控人員工作量也明顯降低，可在一定程度上提升病例質量。

參考文獻

[1]劉祉呈，陳愛芬，黃頌列.基于AI技術的電子病歷質控系統構建與實踐[J].醫院管理論壇，2021，38（08）：83-84+40.

[2]梁志剛，羅德芳，魏嵐，黃躍.CDSS用于電子病歷質量控制的開發設計與應用[J].中國數字醫學，2021，16（03）：23-27.

[3]吳騁，王志勇，徐蕾，周全.基于人工智能的電子病歷數據質量控制[J].解放軍醫院管理雜志，2021，28（02）：134-135+168.

[4]丁佳麗，史亞香，焦蘊.基于人工智能的病歷質控系統的設計與應用[J].中國數字醫學，2021，16（02）：45-48+53.

[5]邵春霞，蔡琴，錢躍飛.KPI用于電子病歷系統評估書寫質量改進方案的構建與效果[J].中醫藥管理雜志，2020，28（18）：176-179.

[6]陳強，丁臘春，王譯，殷偉東.智能電子病歷質控系統研究與應用[J].醫學信息學雜志，2020，41（06）：63-65+89.

[7]唐瑤，李凌，尹龍燕，鄧杰芳.臨床醫生質控員病歷質量質控大賽結果分析與改進措施[J].現代醫院，2020，20（05）：679-681+685.

[8]龐紹華.基于電子病歷系統的病案質量管理方法分析[J].江蘇衛生事業管理，2019，30（06）：733-735.

[9]解錦錦.電子病歷質控管理系統的設計與實現[D].山東大學，2018.

[10]沈潔，譚申生，曹建文.上海市病歷質控信息化督查實踐[J].中國衛生質量管理，2017，24（06）：32-33.

[11]張鑫，浦福興，季國忠.電子病歷質控體系的重要手段及質控點設置的探討[J].江蘇衛生事業管理，2016，27（06）：3-5.