基于索引目錄的病歷信息文本挖掘算法

陸曉野

（右江民族醫(yī)學(xué)院，廣西 百色 533000）

0 引言

隨著信息化技術(shù)的發(fā)展，我國(guó)大多數(shù)三甲醫(yī)院的信息化水平都比較高，電子病歷系統(tǒng)[1-2]已經(jīng)被應(yīng)用于臨床一線(xiàn)多年，而且運(yùn)行比較穩(wěn)定和成熟，對(duì)于不同的科室、不同的臨床應(yīng)用場(chǎng)景，都有對(duì)應(yīng)的規(guī)范化的電子病歷模板[3-4]，但是每種電子病歷模板的項(xiàng)目繁多，如果通過(guò)手動(dòng)一項(xiàng)一項(xiàng)逐一核對(duì)錄入，既費(fèi)時(shí)又費(fèi)力，而且容易出錯(cuò)或者遺漏[5-6]。美國(guó)醫(yī)學(xué)會(huì)(AMA)的統(tǒng)計(jì)數(shù)據(jù)表明[7]，病歷及與之相關(guān)的文案書(shū)寫(xiě)占據(jù)醫(yī)護(hù)人員所有工作時(shí)間的15%～20%，對(duì)于實(shí)習(xí)期的醫(yī)護(hù)人員，這一數(shù)字更是高達(dá)30%。據(jù)調(diào)查，目前部分三甲醫(yī)院的電子病歷系統(tǒng)已經(jīng)具有語(yǔ)音錄入功能，但是功能比較單一，應(yīng)用層次較低，面對(duì)項(xiàng)目繁多的電子病歷模板，需要人工手動(dòng)一項(xiàng)一項(xiàng)定位光標(biāo)到相應(yīng)的病歷項(xiàng)目，才能語(yǔ)音錄入，遠(yuǎn)遠(yuǎn)沒(méi)有達(dá)到智能化錄入的水平，實(shí)際自動(dòng)化應(yīng)用程度并不高[5]。因此，有效提高電子病歷信息錄入的智能化水平，省去醫(yī)生煩瑣錄入電子病歷信息的過(guò)程，是當(dāng)下亟須研究和解決的問(wèn)題，也是醫(yī)學(xué)發(fā)展和構(gòu)建新型醫(yī)療服務(wù)體系的需要。

在當(dāng)前已有的研究和應(yīng)用中，將語(yǔ)音識(shí)別技術(shù)應(yīng)用于電子病歷的相關(guān)研究很多，但是相關(guān)研究?jī)H局限于將語(yǔ)音轉(zhuǎn)換成文本的研究，沒(méi)有涉及從語(yǔ)音錄入的文本病歷信息中挖掘關(guān)鍵病歷信息與電子病歷表單項(xiàng)匹配對(duì)接的研究，導(dǎo)致語(yǔ)音錄入病歷的智能化程度不高。因此，針對(duì)智能化水平欠缺的問(wèn)題，研究設(shè)計(jì)基于索引目錄從語(yǔ)音錄入的文本中提取關(guān)鍵病歷信息的文本挖掘算法，快速、準(zhǔn)確、自動(dòng)地提取關(guān)鍵病歷信息，與電子病歷的表單項(xiàng)匹配對(duì)接，實(shí)現(xiàn)智能語(yǔ)音錄入，旨在幫助醫(yī)護(hù)人員解決煩瑣的病歷錄入問(wèn)題，提高臨床的智能化水平，具有現(xiàn)實(shí)的研究意義和研究?jī)r(jià)值，為相似領(lǐng)域的研究提供參考。

1 算法需求分析

基于索引目錄的病歷信息文本挖掘算法，首先，醫(yī)護(hù)人員通過(guò)語(yǔ)音識(shí)別軟件語(yǔ)音錄入電子病歷信息，并生成文本形式的病歷信息；然后，根據(jù)索引目錄，有針對(duì)性地從文本形式的病歷信息中挖掘出關(guān)鍵的病歷信息；最后，把挖掘出的關(guān)鍵病歷信息自動(dòng)填入電子病歷界面中對(duì)應(yīng)的表單項(xiàng)目，以實(shí)現(xiàn)智能化語(yǔ)音錄入電子病歷的功能。該算法主要包括的模塊有：索引目錄、文本病歷信息、挖掘關(guān)鍵病歷信息。

1）索引目錄。電子病歷系統(tǒng)包含眾多規(guī)范化的電子病歷表單錄入界面，每張表單都有各自的病歷信息錄入項(xiàng)目。當(dāng)醫(yī)護(hù)人員點(diǎn)擊進(jìn)入電子病歷系統(tǒng)某張表單的病歷信息錄入界面時(shí)，算法會(huì)根據(jù)當(dāng)前錄入界面的表單項(xiàng)目自動(dòng)生成對(duì)應(yīng)的索引目錄，索引目錄包含該錄入界面的所有表單項(xiàng)目，是該錄入界面表單項(xiàng)目的全集。各項(xiàng)索引目錄的名稱(chēng)，根據(jù)表單各項(xiàng)項(xiàng)目的名稱(chēng)來(lái)命名，類(lèi)似如：心率、血氧、收縮壓、舒張壓、體溫等詞語(yǔ)，一般是醫(yī)學(xué)的官方名稱(chēng)或者簡(jiǎn)稱(chēng)，也是醫(yī)護(hù)人員的習(xí)慣用語(yǔ)。索引目錄的形式，如圖1所示。

圖1 索引目錄

2）文本病歷信息。醫(yī)護(hù)人員通過(guò)麥克風(fēng)語(yǔ)音錄入電子病歷信息，則語(yǔ)音識(shí)別軟件把語(yǔ)音信息轉(zhuǎn)換成文本的形式，形成文本病歷信息。醫(yī)護(hù)人員通過(guò)當(dāng)前錄入界面顯示的各項(xiàng)病歷信息的名稱(chēng)來(lái)錄入病歷信息，使得算法的設(shè)計(jì)更具有針對(duì)性，同時(shí)與該表單項(xiàng)目的索引目錄匹配對(duì)應(yīng)，提高算法運(yùn)行的效率和準(zhǔn)確率。語(yǔ)音錄入電子病歷信息的方式是，先說(shuō)出具體的項(xiàng)目名稱(chēng)，再說(shuō)出對(duì)應(yīng)的病歷信息，比如：“心率80”“血氧96”“收縮壓121”等，語(yǔ)音錄入各病歷項(xiàng)目時(shí)，中間會(huì)有1～2秒的停頓，這樣語(yǔ)音識(shí)別軟件會(huì)在各病歷項(xiàng)目的信息之間加入逗號(hào)，錄入較長(zhǎng)的病歷描述時(shí)，根據(jù)中間的停頓或者文本的意思也會(huì)適當(dāng)加入逗號(hào)。當(dāng)語(yǔ)音錄入結(jié)束時(shí)，說(shuō)出“完畢”，則文本病歷信息以“完畢”結(jié)尾。語(yǔ)音錄入電子病歷信息的文本形式，如圖2所示。

圖2 文本病歷信息

3）挖掘關(guān)鍵病歷信息。根據(jù)當(dāng)前電子病歷錄入界面的索引目錄，從語(yǔ)音錄入的文本病歷信息中，挖掘出每項(xiàng)索引目錄對(duì)應(yīng)的關(guān)鍵病歷信息，與電子病歷系統(tǒng)的表單項(xiàng)目進(jìn)行匹配，自動(dòng)把關(guān)鍵病歷信息填入相應(yīng)的表單項(xiàng)目中，完成智能語(yǔ)音錄入功能。對(duì)圖2中的文本病歷信息進(jìn)行挖掘，挖掘出的關(guān)鍵病歷信息，如圖3所示。

2 算法設(shè)計(jì)

基于索引目錄的病歷信息文本挖掘算法，主要包含如下幾個(gè)步驟，算法的流程圖，如圖4所示。

圖4 算法流程圖

1）構(gòu)建索引目錄。當(dāng)醫(yī)護(hù)人員點(diǎn)擊進(jìn)入某個(gè)電子病歷的錄入界面時(shí)，算法自動(dòng)搜索該錄入界面所包含的所有表單項(xiàng)目，根據(jù)表單項(xiàng)目的名稱(chēng)逐項(xiàng)生成對(duì)應(yīng)的索引目錄，最后進(jìn)行集成，構(gòu)建該電子病歷模板完整的索引目錄。

2）形成文本病歷信息。語(yǔ)音識(shí)別軟件將醫(yī)護(hù)人員語(yǔ)音錄入的電子病歷信息轉(zhuǎn)換成文本的形式，形成文本病歷信息。文本病歷信息以逗號(hào)來(lái)分隔，以“完畢”結(jié)尾。

3）分解文本病歷信息。算法根據(jù)文本病歷信息中的逗號(hào)，對(duì)整個(gè)文本病歷信息進(jìn)行分解，把分解后的文本病歷信息逐項(xiàng)以字符串的形式存放到向量Vector。遍歷圖2 中的文本病歷信息，對(duì)文本進(jìn)行分解，得到分解后的文本病歷信息的形式，如圖5所示。

圖5 分解后的文本病歷信息

4）挖掘關(guān)鍵病歷信息。根據(jù)索引目錄，逐條遍歷存放文本病歷信息的向量Vector，如果某條病歷信息的前面幾個(gè)字符與索引目錄中的某一項(xiàng)索引名稱(chēng)相匹配，則創(chuàng)建一條新的鍵值對(duì)，鍵是索引名稱(chēng)，值是對(duì)應(yīng)的關(guān)鍵病歷信息，并存放到容器Map 中；如果該條病歷信息的前幾個(gè)字符沒(méi)有與索引目錄中的任何一項(xiàng)索引名稱(chēng)相匹配，則該條病歷信息屬于上一項(xiàng)索引目錄的病歷信息，追加存放到上一條Map鍵值對(duì)的值中，如圖3所示，其中，“主訴”“現(xiàn)病史”“既往史”“個(gè)人史”等索引目錄都包含多條病歷信息，后面的條目都需要追加到上一條病歷信息中。當(dāng)算法搜索到“完畢”時(shí)，遍歷結(jié)束。

5）關(guān)鍵病歷信息填入電子病歷系統(tǒng)的表單項(xiàng)目。遍歷存放關(guān)鍵病歷信息的容器Map，用容器Map 的鍵與當(dāng)前錄入界面表單項(xiàng)目的名稱(chēng)進(jìn)行匹配，把匹配的鍵值自動(dòng)填入相應(yīng)的表單項(xiàng)目中，完成智能語(yǔ)音錄入。

3 算法偽代碼

算法采用C++程序設(shè)計(jì)語(yǔ)言進(jìn)行編寫(xiě)。索引目錄存放在向量Vector 中，變量命名為v_index；分解后的文本病歷信息也存放在向量Vector中，變量命名為v_text；而挖掘出的關(guān)鍵病歷信息，則以鍵值對(duì)的形式存放在容器Map中，變量命名為map_key。

在語(yǔ)音錄入的過(guò)程中，允許醫(yī)護(hù)人員對(duì)某一項(xiàng)已經(jīng)錄入的病歷信息進(jìn)行修改，只要再次語(yǔ)音錄入該項(xiàng)病歷信息即可，最新語(yǔ)音錄入的信息就會(huì)覆蓋原先的信息，算法只保存最后一次錄入的信息。針對(duì)這種情況，算法的實(shí)現(xiàn)細(xì)節(jié)是，在創(chuàng)建一條新的鍵值對(duì)之前，先遍歷當(dāng)前存放關(guān)鍵病歷信息的容器map_key，如果容器map_key 中已經(jīng)存在該鍵，則用最新的病歷信息去覆蓋該鍵對(duì)應(yīng)的值；如果容器map_key 中不存在該鍵，則把該條鍵值對(duì)插入到容器map_key中。

算法關(guān)鍵步驟的偽代碼，如圖6所示。

圖6 算法關(guān)鍵步驟的偽代碼

4 實(shí)驗(yàn)

實(shí)驗(yàn)環(huán)境：實(shí)驗(yàn)使用日常生活中普通的電腦進(jìn)行模擬實(shí)驗(yàn)，并不是在醫(yī)院電子病歷系統(tǒng)的真實(shí)環(huán)境中進(jìn)行的實(shí)驗(yàn)。

電腦配置：Intel Core i7-9700，內(nèi)存8GB，機(jī)械硬盤(pán)1TB，Windows 10系統(tǒng)。算法采用C++語(yǔ)言實(shí)現(xiàn)，采用科大訊飛語(yǔ)音識(shí)別軟件。算法運(yùn)行期間，不運(yùn)行其他的應(yīng)用程序。

實(shí)驗(yàn)設(shè)計(jì)：根據(jù)醫(yī)院電子病歷錄入的真實(shí)場(chǎng)景，設(shè)計(jì)一個(gè)電子病歷模板的錄入界面，同時(shí)準(zhǔn)備一份電子病歷信息的講稿。在一間無(wú)其他干擾的房間內(nèi)，通過(guò)麥克風(fēng)，用標(biāo)準(zhǔn)的普通話(huà)以正常的語(yǔ)速錄入講稿信息，即根據(jù)電子病歷模板的表單項(xiàng)目，模擬語(yǔ)音錄入電子病歷信息，觀察算法運(yùn)行的實(shí)驗(yàn)結(jié)果。

實(shí)驗(yàn)結(jié)果表明，算法運(yùn)行情況良好。算法的運(yùn)行效率比較高，錄入界面顯示出病歷信息的速度與語(yǔ)音錄入病歷信息基本上是同步的，因?yàn)楸敬螌?shí)驗(yàn)?zāi)M語(yǔ)音錄入的電子病歷信息的總字?jǐn)?shù)是237個(gè)，這樣的總字?jǐn)?shù)不會(huì)給電腦的CPU 和內(nèi)存造成任何負(fù)擔(dān)。據(jù)前期調(diào)查，在醫(yī)院電子病歷錄入的真實(shí)場(chǎng)景中，大多數(shù)電子病歷信息的總字?jǐn)?shù)在150～350字，本實(shí)驗(yàn)的設(shè)計(jì)符合醫(yī)院應(yīng)用的真實(shí)場(chǎng)景。本實(shí)驗(yàn)算法運(yùn)行的準(zhǔn)確率為100%，因?yàn)樵诎察o的環(huán)境下進(jìn)行語(yǔ)音錄入，沒(méi)有受到周?chē)h(huán)境其他噪聲的影響，而且用標(biāo)準(zhǔn)的普通話(huà)以正常的語(yǔ)速錄入，語(yǔ)音識(shí)別軟件把語(yǔ)音轉(zhuǎn)換成文本的準(zhǔn)確率為100%，電子病歷信息的講稿也是按照表單項(xiàng)目進(jìn)行規(guī)范化設(shè)計(jì)的，所以算法運(yùn)行的準(zhǔn)確率非常高。可見(jiàn)，該算法不僅具有研究的價(jià)值和意義，還具有良好的應(yīng)用前景。

5 結(jié)論

基于索引目錄的病歷信息文本挖掘算法，根據(jù)當(dāng)前錄入界面的表單項(xiàng)目自動(dòng)生成對(duì)應(yīng)的索引目錄，同時(shí)醫(yī)護(hù)人員語(yǔ)音錄入電子病歷信息時(shí)，也根據(jù)當(dāng)前的表單項(xiàng)目有針對(duì)性地語(yǔ)音錄入，使得算法的設(shè)計(jì)更具體、更具有針對(duì)性。算法的設(shè)計(jì)采用向量Vector 和容器Map，有利于算法的實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)果表明，算法運(yùn)行的效率和準(zhǔn)確率都比較高，具有研究的價(jià)值和意義。

本文算法還有改進(jìn)與優(yōu)化的空間，對(duì)今后的研究工作提出兩點(diǎn)展望。1）針對(duì)有的醫(yī)護(hù)人員存在地方口音或者讀音不標(biāo)準(zhǔn)的問(wèn)題，改進(jìn)算法，使算法具有一定的容錯(cuò)性；2）在真實(shí)應(yīng)用場(chǎng)景中，語(yǔ)音錄入的病歷信息中可能包含一些無(wú)效的信息，比如一些尾音，因此優(yōu)化算法，對(duì)于挖掘出的關(guān)鍵病歷信息，進(jìn)行差錯(cuò)檢測(cè)，并刪除無(wú)效信息，只保留關(guān)鍵核心信息。