基于AI技术的电子病历质控系统构建与实践

□ 刘祉呈 LIU Zhi-cheng 陈爱芬 CHEN Ai-fen 黄颂列 HUANG Song-lie

随着医院信息化程度的提高，电子病历的应用不断普及，与此同时也出现了病历书写不及时、不规范、不完整等诸多问题。一份真实的病历意义重大，它反映了患者的病情、医院医疗质量、学术水平和管理水平，能为医疗、教学、科研提供宝贵的基础资料；同时能为医院管理提供不可缺少的医疗信息；在涉及医疗争议时，它是判定法律责任的重要依据；在医疗保险中，它又是相关医疗付费的凭据。为加强医疗机构病历管理，保证病历资料客观、真实、完整，原卫生部制定了《病历书写基本规范》《医疗机构病历管理规定》，浙江省制定《医疗文书书写规范》等相关规定，规范了病历质量与管理内容。

基于AI病历质控系统设计

1.医院病历质控现状。2019年我院出院人次16.22万人次，门诊人次423.76万人次。电子病历系统的模块仅能完成简单的形式质控，仍需要大量高年资专业质控人员进行人工抽样质控，存在着病历质控数量不足、质控点覆盖率低、效率不高、缺乏医疗全过程质控等问题，医院需要针对这些问题重建以病历内涵质控为核心、三级质控为架构、院科互动的全闭环病历质控系统[1]。

2.关键技术。系统以某公司病历质控产品技术为基础，利用自然语言处理技术结合医疗术语及编码标准化对病历进行全面的后结构化处理。自然语言处理引擎是对病历文本进行语义分析及提取的一种人工智能技术，利用医学语言词库及语料库实现了医学文本充分结构化[2]。医疗术语及编码标准化最大程度保留文本中的语义及关联性，识别的结果可以作为电子病历知识的基础[3]，从而使由信息系统对病历的内涵进行分析与质控变得可行。

3.病历缺陷规则库建立及完善。系统缺陷规则库包含两部分内容：基于浙江省台州医院历年病历人工质控问题及电子病历质控标准形成的经验模型库；基于各类医学指南、文献形成的循证模型库。同时基于《浙江省住院病历评分标准》的规定进行二次调整，由质控部与临床质控员组成专家组，将标准中77个扣分项进行进一步拆解，分析出1028个质控点，提供质控系统进行病历缺陷规则的完善。

4.院内病历二次标注与机器学习。原有系统中自带的医学语言模型和术语映射模型对我院电子病历的识别率在60%到70%之间，为进一步提高医学文本的识别率，我院组织临床质控专家组与信息中心技术人员对于真实临床病历进行二次标注，以供机器学习。以剖宫产记录为例(图1)，宫缩剂是根据患者宫缩情况进行使用，存在“有”与“无”使用、不同药物、不同剂量的情况，且不同医生的文书表达方式不同，通过对于脱敏的剖宫产记录进行标注后，系统从而学习到临床的文书诊疗思维及书写习惯。通过病历二次标注的完成，使系统对我院病历的识别率到达93%以上，达到病历质控系统应用的要求。

图1 病历标注

5.住院病历质控实验样本数据对比。系统搭建完成后，我们设计了实验对比组，对我院3000份住院病历进行了人工质控和智能质控对比。人工质控实验数据为质控部提供以往病历质控数据；智能AI质控系统实验数据为从电子病历系统中抽取3000份出院病历，应用质控引擎处理后，再交由质控员人工复核得到。见表1。

表1 住院病历不同质控方式比较

应用成效

系统自2019年10月上线以来，陆续在全院30余个科室推开，截至2020年11月31日，机器质控覆盖率100%。随着系统日常质控计划的运行，为保证系统质控准确率的提升，系统提供科室质控员及临床病历医生对质控结果进行反馈与申述的渠道，由质控部组织临床质控专家组每月对于反馈问题进行审核，审核结果供给系统进行机器学习的模型，系统中知识图谱的信息量越积越大，从而提高质控结果准确率。同时随着系统不断积累，质控结果准确率提高到93.6%，其中内涵缺陷占68%，大大减轻了质控工作人员的工作强度，全院病历的平均得分从最初的75分提升到目前的92分。

不足与思考

1.不同科室病历数据适配问题，需要进一步磨合。因各科室差异，以重症和儿科为例，专科电子病历模板与普通病房的病历模板存在一定的差异，造成病历数据结构的异构，带给智能AI质控系统额外的数据适配工作，仍需要系统通过专科病历模板的标注工作进行大量的学习和训练，逐步提高病历模板的适配度，以达到100%的病历质检效果。

2.病历质控无法完全脱离人工。现阶段系统为保证病历质控的质量与准确性，还是以机器质检+人工复核的方式相结合运营。在某种意义上只能根据预设程序，被动地根据已知的选项对疾病进行检测和诊断预测[4]。在病历质控效率上，比起单纯人工抽样质控确实得到很大的提高，但是就智能AI的应用效果上，还是拥有很大的提升空间。

总结

随着系统不断改进，可以看到病历质控效率得到明显增强，同时我们在实践中不断进行总结与归纳，不拘泥于技术实现能力，以医疗应用场景和实践效果为基准点，结合医院病历三级质控体系规范，灵活使用各种技术，更好地发挥智能AI技术的价值，赋能临床病历质量的持续改进。