面向互聯(lián)網(wǎng)醫(yī)院的智能語(yǔ)音交互系統(tǒng)的設(shè)計(jì)

江蘇大學(xué)附屬醫(yī)院 沈安娜

針對(duì)互聯(lián)網(wǎng)醫(yī)院線上診療服務(wù)，緩解醫(yī)療機(jī)構(gòu)大量人力投入的壓力，解決線上診療過(guò)程中患者服務(wù)非標(biāo)準(zhǔn)化的問(wèn)題。構(gòu)建醫(yī)療領(lǐng)域語(yǔ)料庫(kù)，采用語(yǔ)義識(shí)別、意圖識(shí)別、問(wèn)答匹配等技術(shù)，并對(duì)接業(yè)務(wù)數(shù)據(jù)庫(kù)，利用大數(shù)據(jù)相關(guān)技術(shù)，搭建智能語(yǔ)音交互系統(tǒng)，實(shí)現(xiàn)對(duì)患者基本問(wèn)題的答復(fù)，擴(kuò)充線上診療的應(yīng)用場(chǎng)景。針對(duì)患者，在線上就診時(shí)可減少排隊(duì)時(shí)間，獲得標(biāo)準(zhǔn)化的實(shí)時(shí)反饋；針對(duì)醫(yī)護(hù)，在線上接診前減少無(wú)效對(duì)話，精準(zhǔn)獲得更多患者信息。面向互聯(lián)網(wǎng)醫(yī)院的智能語(yǔ)音交互系統(tǒng)的應(yīng)用，可有效提高醫(yī)護(hù)患協(xié)同程度，提升醫(yī)院智慧服務(wù)水平。

1 面向互聯(lián)網(wǎng)醫(yī)院的智能語(yǔ)音交互系統(tǒng)的可行性

近年來(lái)，人工智能技術(shù)已在各行各業(yè)被廣泛應(yīng)用，其中智能語(yǔ)音技術(shù)作為人工智能應(yīng)用最成熟的技術(shù)之一，在家居、車載、可穿戴設(shè)備等領(lǐng)域有了迅猛的發(fā)展。反觀醫(yī)療行業(yè)，智能語(yǔ)音技術(shù)的應(yīng)用起步較晚，還沒(méi)有具備醫(yī)療領(lǐng)域知識(shí)基礎(chǔ)和開(kāi)發(fā)技術(shù)的智能語(yǔ)音產(chǎn)品。

根據(jù)國(guó)家衛(wèi)健委發(fā)布的《公立醫(yī)院高質(zhì)量發(fā)展促進(jìn)行動(dòng)（2021-2025年）》，要建設(shè)電子病歷、智慧服務(wù)、智慧管理“三位一體”的智慧醫(yī)院信息系統(tǒng)，要提高醫(yī)療服務(wù)的智慧化、個(gè)性化水平。目前大部分三甲醫(yī)院已經(jīng)建設(shè)了互聯(lián)網(wǎng)醫(yī)院，打通覆蓋了診前、診中、診后的線上線下一體化醫(yī)療服務(wù)全流程，成為線下醫(yī)療的有效補(bǔ)充。在疫情防控期間，慢病復(fù)診、在線續(xù)方、藥師咨詢、護(hù)理咨詢等線上診療新功能的用戶使用量日趨增加，醫(yī)療機(jī)構(gòu)隨之投入的人力也成倍增加。而智能語(yǔ)音交互系統(tǒng)的應(yīng)用，能在線上就診全流程有效緩解人力投入，同時(shí)解決線上診療中患者服務(wù)非標(biāo)準(zhǔn)化的問(wèn)題。

通過(guò)構(gòu)建面向互聯(lián)網(wǎng)醫(yī)院的醫(yī)療領(lǐng)域語(yǔ)料庫(kù)，利用語(yǔ)義識(shí)別、意圖識(shí)別、問(wèn)答匹配等技術(shù)，智能語(yǔ)音交互系統(tǒng)能夠快速學(xué)習(xí)相關(guān)內(nèi)容，并在短時(shí)間內(nèi)具備一線分診人員的業(yè)務(wù)素養(yǎng)，實(shí)現(xiàn)對(duì)患者基本問(wèn)題的答復(fù)。不僅如此，通過(guò)結(jié)合數(shù)據(jù)庫(kù)對(duì)接、查詢語(yǔ)句解析等技術(shù)和開(kāi)源構(gòu)架，系統(tǒng)能夠擴(kuò)充線上就診的應(yīng)用場(chǎng)景，提升整體醫(yī)護(hù)患協(xié)同水平，提高患者在互聯(lián)網(wǎng)醫(yī)院的就診滿意度。

2 面向互聯(lián)網(wǎng)醫(yī)院的智能語(yǔ)音交互系統(tǒng)的總體設(shè)計(jì)

2.1 系統(tǒng)技術(shù)架構(gòu)

面向互聯(lián)網(wǎng)醫(yī)院的智能語(yǔ)音交互系統(tǒng)對(duì)多數(shù)據(jù)源進(jìn)行數(shù)據(jù)處理和數(shù)據(jù)存儲(chǔ)，通過(guò)構(gòu)建醫(yī)療領(lǐng)域的對(duì)話規(guī)則和知識(shí)體系，將人機(jī)語(yǔ)音交互應(yīng)用于語(yǔ)音咨詢、語(yǔ)音分診、語(yǔ)音導(dǎo)醫(yī)等互聯(lián)網(wǎng)醫(yī)院線上診療場(chǎng)景，其技術(shù)架構(gòu)如圖1所示。

圖1 系統(tǒng)技術(shù)架構(gòu)圖Fig.1 System technical architecture

（1）數(shù)據(jù)源對(duì)接實(shí)時(shí)對(duì)話、HIS數(shù)據(jù)庫(kù)、LIS數(shù)據(jù)庫(kù)、EMR數(shù)據(jù)庫(kù)等獨(dú)立數(shù)據(jù)庫(kù)，支持實(shí)時(shí)數(shù)據(jù)、邊緣數(shù)據(jù)、設(shè)備數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)的獨(dú)立運(yùn)行，并通過(guò)標(biāo)準(zhǔn)API開(kāi)發(fā)兼容多種數(shù)據(jù)庫(kù)數(shù)據(jù)的交互與存儲(chǔ)。

（2）數(shù)據(jù)層首先將問(wèn)答庫(kù)與語(yǔ)料庫(kù)分類，確保單句、節(jié)點(diǎn)、屬性、關(guān)系等資源的分布式存儲(chǔ)，在語(yǔ)料處理分析階段進(jìn)行分詞、分類、詞性標(biāo)注、詞法分析工作，同時(shí)經(jīng)過(guò)語(yǔ)料庫(kù)的不斷建立，提升數(shù)據(jù)的清洗能力，增強(qiáng)語(yǔ)音識(shí)別錯(cuò)誤的檢查能力；數(shù)據(jù)處理時(shí)會(huì)通資源調(diào)度實(shí)現(xiàn)計(jì)算資源的統(tǒng)籌，并對(duì)語(yǔ)義識(shí)別及模糊匹配提供運(yùn)算支持，保障并發(fā)量。

（3）技術(shù)層主要包含了規(guī)則體系、知識(shí)推理、知識(shí)體系、答案合成四大引擎。規(guī)則體系實(shí)現(xiàn)對(duì)患者數(shù)據(jù)訪問(wèn)的隔離以及規(guī)則的分發(fā)服務(wù)，并對(duì)現(xiàn)有規(guī)則進(jìn)行邏輯校驗(yàn)和學(xué)習(xí)補(bǔ)全；知識(shí)推理負(fù)責(zé)對(duì)患者提問(wèn)的實(shí)體識(shí)別以及意圖識(shí)別；知識(shí)體系涵蓋了語(yǔ)料庫(kù)、規(guī)則庫(kù)、知識(shí)庫(kù)等多樣化知識(shí)數(shù)據(jù)，通過(guò)每天的訓(xùn)練發(fā)現(xiàn)現(xiàn)有系統(tǒng)的不足，并通過(guò)人工審核后完成發(fā)布；答案合成負(fù)責(zé)大量數(shù)據(jù)的處理以及答案的語(yǔ)音合成，支持醫(yī)護(hù)與患者交互的最后一個(gè)環(huán)節(jié)。

（4）應(yīng)用層為患者提供包括語(yǔ)音咨詢、語(yǔ)音分診、語(yǔ)音導(dǎo)醫(yī)在內(nèi)的多類標(biāo)準(zhǔn)操作頁(yè)面、標(biāo)準(zhǔn)API接口及SDK，滿足患者對(duì)互聯(lián)網(wǎng)醫(yī)院線上診療的多樣化需求。

2.2 系統(tǒng)應(yīng)答邏輯

患者在互聯(lián)網(wǎng)醫(yī)院發(fā)起應(yīng)答需求后，系統(tǒng)需要經(jīng)過(guò)終端身份、語(yǔ)音處理、自然語(yǔ)言處理、對(duì)話管理、答案生成等5級(jí)計(jì)算引擎的循環(huán)才可完成應(yīng)答，如圖2所示。

圖2 系統(tǒng)應(yīng)答邏輯圖Fig.2 System response logic diagram

其中終端身份模塊用以進(jìn)行安全控制，語(yǔ)音處理模塊負(fù)責(zé)語(yǔ)音的分解與合成，自然語(yǔ)言處理模塊完成實(shí)體識(shí)別和意圖識(shí)別，對(duì)話管理模塊通過(guò)規(guī)則設(shè)置支持單輪/多輪兩類對(duì)話模式的切換，答案生成模塊集成大數(shù)據(jù)組件分析功能，并最大化優(yōu)化用戶使用性能，縮短應(yīng)答等待時(shí)間。

（1）權(quán)限安全校驗(yàn)：識(shí)別患者身份，進(jìn)行權(quán)限分配，指定連接數(shù)據(jù)庫(kù)對(duì)象、離線數(shù)據(jù)加載包、本地計(jì)算規(guī)則庫(kù)等。

（2）語(yǔ)音識(shí)別ASR：收集語(yǔ)音信息，完成分詞、向量轉(zhuǎn)化。

（3）語(yǔ)言理解NLU：完成實(shí)體和意圖識(shí)別，向量匹配。

（4）狀態(tài)跟蹤DST：在對(duì)話的每一輪次對(duì)患者的目標(biāo)進(jìn)行預(yù)估，管理每個(gè)回合的輸入和對(duì)話歷史，輸出當(dāng)前對(duì)話狀態(tài)。

（5）分布式計(jì)算：對(duì)離線數(shù)據(jù)和離線規(guī)則的組合直接反饋；支持少量存儲(chǔ)資源占用的問(wèn)答本地化，降低對(duì)傳輸、云計(jì)算的占用；對(duì)大數(shù)據(jù)分析組件進(jìn)行調(diào)用，支持彈性存儲(chǔ)和計(jì)算。

（6）對(duì)話規(guī)則Policy：針對(duì)每一輪的場(chǎng)景以及綜合對(duì)話狀態(tài)設(shè)置不同的對(duì)話策略，從而提高系統(tǒng)的問(wèn)答效果。

（7）語(yǔ)言生成NLG：將結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為自然語(yǔ)言。

（8）語(yǔ)音合成TTS：將文本信息合成為可播放的語(yǔ)音內(nèi)容。

（9）分發(fā)確認(rèn)處理：將語(yǔ)音內(nèi)容發(fā)送給對(duì)應(yīng)的患者，并等待患者下一次提問(wèn)。

3 系統(tǒng)主要業(yè)務(wù)流程

面向互聯(lián)網(wǎng)醫(yī)院的智能語(yǔ)音交互系統(tǒng)在實(shí)現(xiàn)語(yǔ)音咨詢、語(yǔ)音分診、語(yǔ)音導(dǎo)醫(yī)等線上診療功能時(shí)，每一次人機(jī)對(duì)話都需經(jīng)過(guò)身份識(shí)別、語(yǔ)義理解、對(duì)話管理、答案生成、答案分發(fā)等五大主要業(yè)務(wù)流程。

3.1 身份識(shí)別

通過(guò)對(duì)患者的登錄名以及密碼進(jìn)行初步校驗(yàn)，向患者授權(quán)唯一Token值，確定患者所在的服務(wù)器集群，并依據(jù)賬戶類型分配不同類型的數(shù)據(jù)庫(kù)節(jié)點(diǎn)，將實(shí)時(shí)數(shù)據(jù)庫(kù)與離線數(shù)據(jù)庫(kù)剝離，增強(qiáng)對(duì)數(shù)據(jù)的利用能力。通過(guò)離線日志分析手段，依據(jù)患者歷史提問(wèn)習(xí)慣，對(duì)每個(gè)患者形成一份知識(shí)庫(kù)，記錄患者常問(wèn)問(wèn)題以及使用習(xí)慣，從而為每個(gè)患者載入部分重要?dú)v史數(shù)據(jù)，減少應(yīng)答過(guò)程中產(chǎn)生的延遲以及計(jì)算損耗。身份識(shí)別流程如圖3所示。

圖3 身份識(shí)別流程Fig.3 Identification process

3.2 語(yǔ)義理解

通過(guò)對(duì)系統(tǒng)常用語(yǔ)料庫(kù)及醫(yī)療語(yǔ)料庫(kù)的深度學(xué)習(xí)，實(shí)現(xiàn)啟發(fā)式規(guī)則算法的優(yōu)化以及用于快速檢索的字典樹(shù)搭建，將實(shí)體與規(guī)則及字典樹(shù)進(jìn)行相關(guān)性檢驗(yàn)并將初步檢驗(yàn)結(jié)果作為模型匹配的輸入值，與現(xiàn)有模板進(jìn)行比對(duì)從而判定本輪對(duì)話患者的真實(shí)意圖。當(dāng)某種詞向量頻繁出現(xiàn)且無(wú)法匹配到規(guī)則/字典樹(shù)時(shí)，系統(tǒng)的機(jī)器學(xué)習(xí)函數(shù)會(huì)被激活，收集過(guò)去一段時(shí)間的詞向量與規(guī)則匹配的情況，并適當(dāng)擴(kuò)充當(dāng)前規(guī)則及字典樹(shù)包含的模型庫(kù)，從而提升規(guī)則及字典樹(shù)的匹配能力。語(yǔ)義理解流程如圖4所示。

圖4 語(yǔ)義理解流程Fig.4 Semantic comprehension process

3.3 對(duì)話管理

通過(guò)系統(tǒng)的對(duì)話管理機(jī)制，幫助患者完善需求內(nèi)容，澄清/確認(rèn)需求中不明確的內(nèi)容，實(shí)現(xiàn)對(duì)患者對(duì)話全生命周期的管理。當(dāng)患者首次問(wèn)題的實(shí)體識(shí)別、意圖識(shí)別結(jié)果能夠較好的匹配當(dāng)前的答案庫(kù)模型，則標(biāo)記當(dāng)前對(duì)話狀態(tài)為結(jié)束，同時(shí)返回答案內(nèi)容。如果首輪提問(wèn)無(wú)法匹配到合適的結(jié)果，則記錄當(dāng)前對(duì)話狀態(tài)為進(jìn)行中，結(jié)合當(dāng)前場(chǎng)景與患者意圖自動(dòng)生成引導(dǎo)性結(jié)果進(jìn)入下一輪對(duì)話，直到系統(tǒng)發(fā)現(xiàn)答案結(jié)束當(dāng)前會(huì)話。由于多輪對(duì)話可能存在某一輪患者口誤、表述有誤等導(dǎo)致的異常情況。為了保證系統(tǒng)不會(huì)直接結(jié)束對(duì)話過(guò)程，系統(tǒng)擁有自檢機(jī)制，對(duì)出現(xiàn)缺失等異常的對(duì)話進(jìn)行場(chǎng)景恢復(fù)和患者意圖復(fù)盤，充分保證對(duì)話的有序流暢。對(duì)話管理流程如圖5所示。

圖5 對(duì)話管理流程Fig.5 Dialogue management process

3.4 答案生成

上級(jí)結(jié)果作為本級(jí)輸入，系統(tǒng)會(huì)對(duì)輸入進(jìn)行分詞處理和意圖識(shí)別，通過(guò)知識(shí)庫(kù)轉(zhuǎn)化生成對(duì)應(yīng)查詢表達(dá)式并從本地?cái)?shù)據(jù)優(yōu)先遴選資源，依據(jù)數(shù)據(jù)和表達(dá)式的相關(guān)性來(lái)決定是否調(diào)用大數(shù)據(jù)組件進(jìn)行服務(wù)器端的計(jì)算。對(duì)計(jì)算結(jié)果進(jìn)行有效性檢驗(yàn)，無(wú)效答案則尋求臨近匹配問(wèn)題，直至符合有效性目標(biāo)，返回最優(yōu)解。答案生成流程如圖6所示。

圖6 答案生成流程Fig.6 Answer generating process

3.5 答案分發(fā)

為保證并發(fā)情況下的系統(tǒng)效能，患者提問(wèn)得到的結(jié)果會(huì)通過(guò)分發(fā)器分發(fā)到用戶終端，如果分發(fā)失敗則間隔一段時(shí)間進(jìn)行輪詢并檢測(cè)患者當(dāng)前狀態(tài)，若患者存在設(shè)備/賬戶/網(wǎng)絡(luò)等各種異常情況，則將問(wèn)題以及結(jié)果數(shù)據(jù)緩存至本地或云端，當(dāng)患者下一次登錄時(shí)恢復(fù)，避免了異常情況導(dǎo)致的數(shù)據(jù)丟失。若任意一輪詢檢測(cè)患者狀態(tài)恢復(fù)正常，則開(kāi)始斷點(diǎn)續(xù)傳，保證結(jié)果的送達(dá)率。答案分發(fā)流程如圖7所示。

圖7 答案分發(fā)流程Fig.7 Answer distribution process

4 系統(tǒng)關(guān)鍵技術(shù)

4.1 有醫(yī)療特征的語(yǔ)料庫(kù)學(xué)習(xí)模型

傳統(tǒng)語(yǔ)料庫(kù)具有無(wú)特定語(yǔ)料收集規(guī)則、原生語(yǔ)料資源多等特征，單個(gè)語(yǔ)料庫(kù)的大小均在1GB以上，包含上百萬(wàn)中文字符和數(shù)十萬(wàn)種語(yǔ)句，能夠充分發(fā)揮機(jī)器學(xué)習(xí)、深度學(xué)習(xí)模型的可擴(kuò)展能力，大規(guī)模訓(xùn)練結(jié)果可靠性更高。

相比于傳統(tǒng)語(yǔ)料庫(kù)，面向互聯(lián)網(wǎng)醫(yī)院的語(yǔ)料庫(kù)具有明顯的醫(yī)療特征，且缺乏開(kāi)源、廣泛的資源基礎(chǔ)，無(wú)法實(shí)現(xiàn)海量數(shù)據(jù)訓(xùn)練的算法要求，需要找到一種適合小型語(yǔ)料庫(kù)的預(yù)處理學(xué)習(xí)模型。醫(yī)療語(yǔ)料庫(kù)的學(xué)習(xí)模型集成了語(yǔ)音識(shí)別和學(xué)習(xí)領(lǐng)域現(xiàn)有的處理框架和模型，從意圖識(shí)別和知識(shí)理解兩個(gè)角度出發(fā)，完成了對(duì)NLP領(lǐng)域Word2vec/GloVe/ELMo/BERT等工具技術(shù)的集成應(yīng)用。建立對(duì)話樣本集，并在樣本集中通過(guò)新建、標(biāo)注、導(dǎo)入等操作來(lái)完成對(duì)話樣本的管理。

4.2 大數(shù)據(jù)分析模型的嵌入技術(shù)

為了提高互聯(lián)網(wǎng)醫(yī)院患者端的交互體驗(yàn)，智能語(yǔ)音交互系統(tǒng)將“反應(yīng)速度”作為最核心的指標(biāo)之一，由底層大數(shù)據(jù)處理能力支撐，通過(guò)服務(wù)分段，從讀取、計(jì)算、轉(zhuǎn)換、渠道、環(huán)境等角度提高綜合效能。

（1）在讀取層，使用行業(yè)領(lǐng)先的語(yǔ)音轉(zhuǎn)化和分詞技術(shù)，達(dá)到5字每秒的語(yǔ)音轉(zhuǎn)化速度和50ms每次的分詞效能。

（2）在計(jì)算層，除了應(yīng)用Hadoop中MapReduce模型提高計(jì)算性能等大數(shù)據(jù)領(lǐng)域措施外，系統(tǒng)還對(duì)常見(jiàn)計(jì)算的處理結(jié)果做本地化，達(dá)到500MB的離線模型、數(shù)據(jù)、計(jì)算結(jié)果緩存。

（3）在轉(zhuǎn)換層，對(duì)常用語(yǔ)料庫(kù)進(jìn)行本地化，在互聯(lián)網(wǎng)醫(yī)院的不同患者端，通過(guò)不同節(jié)點(diǎn)對(duì)常用語(yǔ)料的節(jié)點(diǎn)分布式存儲(chǔ)，提高答案的組合效率。

（4）在渠道層，側(cè)重在微信開(kāi)發(fā)平臺(tái)上搭載后的性能優(yōu)化和App端的優(yōu)化。互聯(lián)網(wǎng)醫(yī)院小程序端部分功能采用組件化的開(kāi)發(fā)方式，通過(guò)對(duì)常規(guī)功能的組件化開(kāi)發(fā)，優(yōu)化小程序的響應(yīng)參數(shù)；H5頁(yè)面的加載速度是影響整體響應(yīng)速度的關(guān)鍵因素，該系統(tǒng)利用預(yù)加載的技術(shù)，在用戶點(diǎn)擊進(jìn)入頁(yè)面前提前加載下一個(gè)頁(yè)面的內(nèi)容，減少頁(yè)面響應(yīng)時(shí)間。互聯(lián)網(wǎng)醫(yī)院App端采用數(shù)據(jù)包壓縮技術(shù)，減少與服務(wù)器通信所占用的帶寬，提高App性能。

（5）在環(huán)境層，系統(tǒng)可以自動(dòng)監(jiān)測(cè)當(dāng)前用戶的網(wǎng)絡(luò)狀況，對(duì)輸出數(shù)據(jù)采用不同的壓縮選項(xiàng)和格式，當(dāng)用戶所處網(wǎng)絡(luò)信號(hào)較弱時(shí)，系統(tǒng)支持2種以上的緩存方式，在網(wǎng)絡(luò)恢復(fù)時(shí)完成斷點(diǎn)續(xù)傳。

4.3 服務(wù)的組件化開(kāi)發(fā)技術(shù)

為進(jìn)一步提升本系統(tǒng)的遷移能力，拓展智能語(yǔ)音交互系統(tǒng)在醫(yī)療行業(yè)的更多應(yīng)用場(chǎng)景。系統(tǒng)可兼容多種數(shù)據(jù)來(lái)源，如不同數(shù)據(jù)庫(kù)類型、不同結(jié)構(gòu)數(shù)據(jù)等，同時(shí)對(duì)不同用戶終端進(jìn)行適配測(cè)試，保證對(duì)市面上80%的設(shè)備兼容。

系統(tǒng)將開(kāi)源公有語(yǔ)料庫(kù)作為主庫(kù)，各獨(dú)立語(yǔ)料庫(kù)如醫(yī)療語(yǔ)料庫(kù)的臨時(shí)性內(nèi)容擴(kuò)充并不會(huì)直接影響到主庫(kù)，而是采用系統(tǒng)自動(dòng)化檢驗(yàn)顯著性的方式，對(duì)各獨(dú)立語(yǔ)料庫(kù)中的新增語(yǔ)料進(jìn)行顯著性校驗(yàn)，只有具備明顯普適性特征的語(yǔ)料才會(huì)更新并同步到主庫(kù)，采用自動(dòng)審核、定時(shí)發(fā)布的形式對(duì)外提供公有語(yǔ)料庫(kù)最新內(nèi)容。

為保證各服務(wù)組件的穩(wěn)定性，系統(tǒng)將搭載安全態(tài)勢(shì)感知平臺(tái)，對(duì)高頻次、非常規(guī)IP地址的請(qǐng)求進(jìn)行隔離，并觸發(fā)報(bào)警機(jī)制，防止異常請(qǐng)求對(duì)系統(tǒng)穩(wěn)定性的影響。

4.4 分布式存儲(chǔ)提升應(yīng)用效能方面

通過(guò)對(duì)不同問(wèn)題的類型進(jìn)行分類，將無(wú)需調(diào)用數(shù)據(jù)庫(kù)并經(jīng)過(guò)大數(shù)據(jù)計(jì)算的常規(guī)問(wèn)答類資源存儲(chǔ)到離線數(shù)據(jù)庫(kù)中，將需要調(diào)用數(shù)據(jù)庫(kù)經(jīng)過(guò)計(jì)算并給出答案的數(shù)據(jù)問(wèn)答類資源存儲(chǔ)到實(shí)時(shí)計(jì)算資源庫(kù)中。通過(guò)對(duì)數(shù)據(jù)問(wèn)答類資源的實(shí)時(shí)計(jì)算與維護(hù)，降低患者提出數(shù)據(jù)類問(wèn)題的響應(yīng)時(shí)間，保證并發(fā)時(shí)的用戶體驗(yàn)以及整個(gè)系統(tǒng)的計(jì)算能力不受到嚴(yán)重影響。

5 系統(tǒng)推廣及應(yīng)用

5.1 打造醫(yī)護(hù)患協(xié)同的語(yǔ)音交互入口級(jí)產(chǎn)品

互聯(lián)網(wǎng)醫(yī)院現(xiàn)存的人工分診模式存在患者服務(wù)水平參差不齊、單人培養(yǎng)成本高、處理效率低等固有缺陷。以一次存在糾紛的患者投訴為例，傳統(tǒng)患者投訴服務(wù)流程需要經(jīng)過(guò)患者電話投訴→患者識(shí)別→查找患者就診記錄/來(lái)院監(jiān)控→查找接診醫(yī)護(hù)記錄→識(shí)別患者意圖→尋找解決方案等多個(gè)環(huán)節(jié)，其中患者識(shí)別、就診記錄定位以及患者意圖識(shí)別會(huì)耗費(fèi)投訴處理人員大量的時(shí)間，一方面由于手機(jī)號(hào)碼和固定號(hào)碼的可變性，導(dǎo)致識(shí)別患者身份的準(zhǔn)確率很低；另一方面，對(duì)于一個(gè)成熟的公立醫(yī)療機(jī)構(gòu)，面向患者的投訴解決方案可能存在成百上千種，投訴處理人員在識(shí)別患者身份、患者意圖的同時(shí)還需要找到最佳的解決方案，存在較大難度。

通過(guò)搭建面向互聯(lián)網(wǎng)醫(yī)院的智能語(yǔ)音交互系統(tǒng)，不僅降低了醫(yī)療機(jī)構(gòu)人工客服在識(shí)別用戶身份、意圖以及找尋解決方案的難度，還可以通過(guò)標(biāo)準(zhǔn)的QA庫(kù)提升患者服務(wù)水平。借助于大數(shù)據(jù)技術(shù)以及機(jī)器學(xué)習(xí)算法，讓智能語(yǔ)音交互系統(tǒng)擁有一線人工客服的業(yè)務(wù)素養(yǎng)的同時(shí)，還可以不斷學(xué)習(xí)，并且具備數(shù)據(jù)分析與計(jì)算的能力。

5.2 通過(guò)服務(wù)封裝提高語(yǔ)音交互系統(tǒng)的可復(fù)用能力

經(jīng)過(guò)系統(tǒng)的不斷學(xué)習(xí)和語(yǔ)料庫(kù)的擴(kuò)充，將不同類別的問(wèn)題進(jìn)行歸類總結(jié)，利用統(tǒng)一的封裝技術(shù)與標(biāo)準(zhǔn)，編寫成為各自獨(dú)立的語(yǔ)料庫(kù)，并提供標(biāo)準(zhǔn)的API接口對(duì)外開(kāi)放，讓該系統(tǒng)的能力不僅適用于醫(yī)療機(jī)構(gòu)內(nèi)部，還能夠輻射到醫(yī)聯(lián)體內(nèi)的更多成員，借助大用戶量的使用，系統(tǒng)可供分析的問(wèn)題也會(huì)變得越來(lái)越多，從而達(dá)到對(duì)接-收集-反饋的開(kāi)源生態(tài)系統(tǒng)，為患者提供更多的服務(wù)場(chǎng)景。以患者咨詢問(wèn)診為例，在患者向語(yǔ)音系統(tǒng)提問(wèn)的過(guò)程中，可以讓系統(tǒng)捕捉到患者意圖，并適當(dāng)?shù)淖鲋敢僮鳎缇€上預(yù)約、掛號(hào)、繳費(fèi)、送藥到家、用藥指導(dǎo)等均可在語(yǔ)音交互中完成，提升患者問(wèn)題的解決效率，從而提高患者就診滿意度。