智能语音识别在医技检查报告中的应用研究*

袁骏毅 潘常青 沈晓冬 岑星星 宓林晖

医技检查是循证医学的重要组成部分，检查报告的及时性对于临床后续治疗有重要影响[1]。出于科学严谨的医疗质量要求，报告完成前需经过从提交到审核等多道环节，以尽量保证报告的详尽和准确。随着人民健康水平的提高，医院检查业务量逐年增加，医技部门往往人手紧张，工作负荷压力较大。为避免检查环节成为医疗流程中的瓶颈，利用智能技术提高报告出具的速度，成为现代医院管理重点关注的内容[2]。有学者在针对临床调研的报告中指出，当医生建立电子健康档案时，应用语音识别可起到较好的辅助作用[3]。本研究在医院放射科、病理科的报告软件中嵌入智能语音平台，观察医生使用的工作情况和书写报告的数量，分析语音识别技术带来的效果。为医生提供便捷的书写检查报告的辅助功能，同时为其他医疗机构利用语音识别技术优化临床工作模式提供借鉴参考。

1 智能语音研究现状

据相关统计，在放射科或病理科等医技科室的检查报告中，约60%～70%的文字属于专业医学术语[4]。医生通常在医技工作站上事前定制部分病种模板文字，针对患者个体情况加以修改，重复率较高且输入量大。随着信息技术在医疗领域的发展，语音识别技术成为非接触式智能交互的研究热点[5]。

语音识别研究起源于1950年，Davis在贝尔实验室构建了首个可识别10个英语单字节字母发音的系统[6]。美国和日本出于军事用途，1990年研发了口语理解系统[7]。跨入20世纪后，美国的Nuance、Google和Microsoft等公司的语音识别软件准确率已达到较高水平，我国也出现了如科大讯飞、云知声等基于深度学习网络的语音识别软件公司，日常对话识别率已达97%[8]。医院也开始尝试将语音应用在医疗工作中。2017年，安徽省立医院将语音对话机器人用于门诊导诊服务。2019年，西安交通大学第二附属医院上线了面向社区居民的语音移动随访系统[9]。但国内医疗行业中将语音识别深度应用在临床医生的案例不多，且尚无统一建设技术规范[10]。

上海市胸科医院是一家以心胸手术为主的三甲专科医院，2019年全年手术人次2.8万，患者均需要进行术前和术后多次检查。为加快床位周转率及降低术前等候时间，医院对检查报告的出具时间限定十分严格。因此，本研究对医院实施基于智能语音识别平台的报告软件改造，以期提高医生书写效率，降低临床等候报告时间。

2 智能语音识别平台架构

智能语音识别平台主要由语音识别组件、知识管理中心和场景适配器3部分组成。

语音识别组件属于底端输入层，包括耳麦、话筒和语音识别包，使音频转换成文字。语音识别包采用市场上的成熟产品云知声，语音输入平均响应时间＜500 ms，通过云知声提供的Win32bit及64bit的软件开发工具(software development kit，SDK)，技术人员无需了解语音技术的具体实现，使用简单的Windows应用程序接口(application programming interface，API)，实现在病理和影像等报告软件的无缝嵌入[11]。

知识管理中心是平台的内核，采用SQL Server 2015数据库，存放医学术语集和语义控制集数据。考虑到保存安全因素，数据库放置于医院内部的局域网。通过精准技术建立特征匹配模型，调整文字或操作的识别度，具有自定义和日志分析功能。

场景适配器负责甄别转换后的文字，结合场景进行关键词判断，判断为报告录入模式则输出文字，若遇到换行或保存等命令则转换为操作指令，替代常规的键盘和鼠标操作。智能语音识别平台总体架构见图1。

图1 智能语音识别平台总体架构

3 智能语音识别平台关键功能

3.1 医疗环境及术语自适应

语音识别引擎主要针对音谱进行时频分析，受具体医疗环境和医生口音影响。此外，检查报告中存在大量专业词汇，需匹配适用的医疗术语集，以便增进口语理解识别度(spoken language understand degree，SLUD)，进而达到准确率要求[12]。

为此，需要建立实际医疗环境下医学术语自适应的最优工作流程。事前调研医技科室的真实环境，包含工作时的背景声音、医疗仪器噪声及特殊医生方言等，判断究竟选择话筒还是耳麦的方式，对声学模型进行预适应并局部增强，以达到输入清晰的效果。在常规语料库基础上，前期导入80余万条基本医学词汇。并针对医院专科特色，按医技科室的检查类型，分门归纳整理现有的海量报告文本，使用数据抽取工具(extract-transform-load，ETL)，从中提取近2万条高频使用词汇，纳入附加医学术语集[13]。针对使用过程中医生反馈错误的单词，建立日志跟踪队列，通过自定义方式纳入特定词组，确定纠正搜索算法的输出，达到更准确的识别效果，通过一系列的工作举措，最终将文字正确识别率提高到96%左右。自适应设定工作流程见图2。

图2 医学环境及术语自适应设定流程

3.2 场景意向医疗语义分析

医生书写报告过程中，平台需通过不同场景下语义的智能分析，理解并模拟部分功能性动作，替代手动的键鼠操作。关键词分析(keyword analysis，KWA)是场景识配器的核心模块，基于语义控制规则集来区分不同界面时医生的语音意图，语义控制规则集见表1[14]。

随着信息互联互通的日趋完善，现有医技工作站整合了多项功能，包括报告书写、模板调用及查看其他辅助信息等，工作中操作步骤较多。尤其是病理取材环节，医生需同时兼顾查看切片和输入报告，同时连续性地点选患者，进行大量重复性动作。因此，设计时采取了分层细化方法，在接收到语音转换的文本后，通过光标具体位置判断是否处于编辑状态，确定目的是文本还是控制命令输出，以便精确执行医生的语音目标[15]。不同医技科室操作顺序各异，语义理解的规则需结合医技工作站的操作方法及医生个人习惯，通过覆盖应用场景的训练，才能达到深度优化的使用效果。

表1 语义控制规则集

表2 语音识别技术试用情况反馈汇总

4 智能语音平台的应用

4.1 研究资料

经过前期现场调研和技术对接，智能语音平台与报告软件完成嵌入整合，于2019年12月投入试点使用。放射科和病理科的报告室各部署3套，均为话筒输入；病理科的切片室部署2套，由于取材工作特点选择耳麦输入。选取2020年1月间部署了智能语音识别平台的医技工作站上医生的工作情况作为观察组，选取2019年1月同批医生采用常规方式的工作情况作为对照组。采集两组医生的完成报告情况，通过比较数量的差异性，分析语音识别技术产生的影响作用。

4.2 统计学方法

采用SPSS25.0软件对数据汇总分析。通过两组样本的比较，分析存在的差异。计量资料以均值±标准差()表示，进行t检验，以P＜0.05为差异有统计学意义。

4.3 应用效果

4.3.1 试用情况反馈

试用初期暴露了两方面问题：①由于传统工作习惯的改变，医生需要适应过程；②未能有效识别。经过4周的磨合，随着使用深入和不断纠错，医生的使用熟练度不断提升，每分钟可输入100～200字，92%的医生表示较为满意，形成语音转化的报告文字＞12万，累计录音时长达到1 021 min。语音识别技术试用情况反馈见表2。

智能语音平台成效如下：①利用信息技术提升医疗服务能级，提高医生书写效率，加快了出具报告的速度；②基于整合理念内嵌检查报告软件，按功能特点将部分语音转化为操作行为，实现了高可用性。③设定了灵活通用的规则知识库，对异常及失效情况提供了及时灵活的变更手段。

4.3.2 检查报告完成量对比

放射科和病理科的两组样本在报告类型、当班时段和日排班人数等方面均无统计学上的差异，具有可比性。考虑到可能存在医生主观不使用语音等异常情况，排除标准为：①排除虽部署但无使用语音识别痕迹的报告；②排除书写开始至完成时间间隔＞1 d的报告。放射科对比结果见表3，病理科对比结果见表4。

表3 放射科检查报告完成量对比()

表3 放射科检查报告完成量对比()

表4 病理科检查报告完成量对比()

表4 病理科检查报告完成量对比()

由表3和表4可见，放射科和病理科的观察组中每日检查报告的完成数量较多(t=-3.61，t=-2.48，t=-2.61；P＜0.05)，表明采用智能语音识别平台的模式有利于文字的快速输入，节约了医生操作的时间，加快了工作效率。此外，可观察到一个现象，病理科冰冻报告差异不明显(t=-0.99；P＞0.05)，这是由于冰冻报告已实现全结构化，内容中纯文字的输入量较少，导致语音仅主要在替代操作方面起到作用。

5 结论

深入推进智能语音识别在临床信息系统中的应用，可有效提高医院人力资源的利用率，为医生提供个性化的精准信息技术服务。本研究通过上海市胸科医院病理科和放射科医生工作情况，实证分析将智能语音平台嵌入检查报告软件后的实施效果。研究结果表明，通过平台的有效整合，改进了传统工作模式，提升了医生应用信息系统的满意度，降低了医生操作强度，提高了工作效率，间接为患者提供更及时的后续治疗。工作推进过程中，发现一些下阶段的重点突破方向，如全结构化病历的快速辅助定位及克服嘈杂使用环境等问题。随着大数据与人工智能技术的日趋成熟，语音识别技术与其他医院信息系统的深度融合已是大势所趋，为医疗机构推广语音识别在门诊及住院的应用场景提供有效的借鉴参考。