东南大学附属中大医院始建于1935年，其前身为中央大学医学院附设医院，是江苏省唯一教育部直属“985”、“211”工程重点建设的大学附属医院，江苏省首批通过卫生部评审的综合性三级甲等医院。现有编制床位2499张（含江北院区），年门急诊量170万人次，年出院病人9万余人次。拥有高级职称人员330人，博士277人，硕士505人，博士生导师、硕士生导师166人。近三年来先后获得国家“973”、“863”研究项目、国家杰出青年基金等课题300余项，总经费超过1亿元

【科技兴医关键词】基于人工智能的病历质控（项目名称）

建设背景

1. 在医院医疗质量管理中，病历质控是重要组成部分，也是核心部分。病案的客观性、完整性、准确性不仅体现了一个医院和相关医护人员对于患者诊疗服务的质量，也体现了其对患者的责任态度。

2. 我院质控专员仅4名，人工平均每日的质控数量是每人5-8份病历，而每天平均出院225人次，每月产生的病历数量大约为6500份，以每月20个工作日计算，每月实际能高质量质控的病历最多640份，占不到10%，与需求相差很大。且每一份病案长达数十页至上百页不等，人工质控需要花费大量的时间和精力，根本无法对全部病历进行质控；另一方面人工质控标准不统一，受主观因素影响较大，导致质控效果不理想。

3.市面上大多数产品主要针对病历的时限性、完整性做质控，而针对术语规范性、数据一致性、逻辑一致性、诊断充分性等方面进行内涵质控的产品较为稀缺。

建设过程

1.缺陷规则梳理：针对《病历书写基本规范》、各省市各医院的《住院病历评分表》及临床知识和实践，结合《医疗质量安全核心制度要点》和《医疗纠纷预防和处理条例》，进行分析、整理、细化各缺陷点，使得每个缺陷点均确定和可执行。

2.质检引擎开发：将对各缺陷点的检查，建模成计算机程序可以执行的缺陷检查引擎。针对一份病历遍历执行这些缺陷检查引擎，从而发现其中的缺陷点。病历质检引擎的核心工作包含三部分： 

1)输入---病历数据的适配：包含从异构的病历模板生成的病历进行ETL工作，生成标准化的病历。

2)依据---知识图谱的构建：缺陷检查即针对面向患者实例化的电子病历与标准的医学知识之间的比对，标准的医学知识需要建模表示成能用于计算机程序进行推理和运算的形式，亦即表示各医疗实体及医疗实体之间关系的临床知识图谱。

3)实现---质检引擎的构建：以标化的病历数据为输入，通过AI语义理解比对出缺陷点。

3.业务流程再造：质控工作电子化、数据可视化，做到可追溯、可统计、可分析，可反馈。

4.从终末质控项环节质控转变：把质检引擎嵌入医生的工作平台中去，使得医生写病历，提交保存时，给予缺陷提示，将病历质控工作从事后前移到事中。

5.  质检引擎自学习：系统上线后，应用质检医生对病历缺陷的核查（增删）反馈数据，质检引擎进行自学习，从而持续提高准确率和召回率，适配医院个性化的质检业务标准和习惯。

项目亮点

1. 不仅能够完成形式缺陷的自动筛查，而且能对部分内涵缺陷进行筛查

2. 基于SimHash算法的病历拷贝检查器能快速发现病历拷贝错误

3. 首创病历拼写检查器，病历拼写错误全发现 

4. 基于语义解析发现病历数据的不完整性

5. 基于临床事件检查病历前后的一致性

东南大学附属中大医院信息中心现有职员16人，硕士及以上学历占70%，涉及计算机、医学、管理等专业。承担省级科研课题4项，市级科研课题2项，国家自然科学基金面上项目一项、青年项目一项，江苏省自然科学基金面上项目一项，国家自然科学基金面上和重大研究项目多项。近年来在省级以上刊物发表文章20余篇。累计发表SCI文章30余篇，累计影响因子超过100分。

1. 无论是病历书写基本规范，还是医院的住院病历评分表，都是以人读为目标的，与计算机可理解、可实现的规则差距较大，需临床医生参与完成规则理解，拆分和建模。

2. 临床知识图谱的构建通常是由人工进行知识填充，低效低质。该项目创新性的应用NLU技术对电子出版物进行命名实体识别、语义消岐、实体链接，以自动化的方式高效完成给定Schema的知识图谱的填充。并同时针对电子病历进行数据挖掘，构建基于病历数据的临床知识图谱，作为对基于知识的临床知识图谱的补充。

3. 系统上线后，大大提高病历质控工作的效率和质量①质检病历覆盖度从10%提升到100%；②质检缺陷覆盖面从重点缺陷检查，提升到评分标准中全部缺陷，并新增诊疗合理性方面的检查③质检工作减负增效。人工全病历质检由5-8份病历/人/天，提升为100份病历/人/天。

 

转载请注明出处：HC3i中国数字医疗网

【责任编辑：程泱溥 TEL：（010）68476606】