——潘伟华 许 健 穆嘉盛 黄宇飞 沈鸿楼 汪 鑫 欧阳田岽
近年来,随着疾病谱的变化和人民群众对高质量医疗服务需求的日益增长,提高医疗质量安全管理的科学化、精细化水平显得尤为迫切。单病种质量管理以病种为管理单元,关注临床诊疗过程的质量管理,是规范诊疗行为、确保医疗质量和医疗安全的有效手段[1]。2020年,国家卫生健康委员会办公厅印发《关于进一步加强单病种质量管理与控制工作的通知》(国卫办医函〔2020〕624号),进一步强调完善单病种质控工作,促进各级卫生健康行政部门和各级各类医疗机构应用质量管理工具加强过程监管,充分发挥单病种质控的作用。
基于国家政策要求,全国各级各类医疗机构以单病种数据上报工作为基础,通过加强诊疗过程中的数据采集和质量控制,提高医疗质量和安全管理水平。在数据采集方面,目前采取三种方式:自动采集、自动采集+手工补充上报以及单纯手工上报。但对于多数医院而言,由于病种数量多,数据采集过程复杂,完全实现数据信息的自动化采集还难以实现,采集数据准确率也难以保证。同时,医疗机构的信息化能力与水平会对过程指标质控产生一定影响,这对单病种过程质控提出了较大挑战。综合我国当前单病种质量管理现状来看,尽管总体执行达标率不断提升,但仍存在数据上报不规范、对过程质控干预不足、人工统计数据真实性存疑且滞后等问题。因此,通过人工智能与医疗流程的深度有机融合,实现对医疗过程的实时质量监测,提高单病种质量管理水平,成为医院管理的重要路径[2]。
就单病种数据采集和上报而言,需要对以往病历数据完成结构化、标准化抽取,这可以通过自然语言处理技术与数据仓库构建技术得以实现;就单病种过程质控而言,实现诊疗行为的及时提醒,是基于人工智能的医学知识图谱和机器学习技术应用领域。随着各级各类医疗机构信息化发展步入快车道,医疗数据质量也随之稳步提升。目前,已有医疗机构通过云计算、微服务等构建了以结构化电子病历为基础的专科专病数据库,并按照个性化、精细化模式不断优化,这为未来多元病种的临床质控奠定了坚实基础。
在构建系统时,应积极落实国家卫生健康委员会关于单病种质量管理的政策和标准,结合临床路径、DRGs等不同维度质控指标,与临床业务融合,灵活规划,形成单病种临床质控管理路径。同时,还应将单病种质量管理指标的要求与临床路径相结合,将指标要求分解到各医疗环节,以临床路径为基础,深入推进单病种质量管理工作。
2.2.1 基于结构化知识库的事中查询 基于结构化知识库与质控规则,医生在诊疗过程中可按需检索,实现人为主动干预。检索方式支持不同的知识组织结构,如词条、树状结构、图谱结构等。
2.2.2 基于本体元建模、质控规则库和规则引擎的事中自动干预 运用本体理论对复杂临床场景进行抽象表达,创建业务逻辑模型,通过规则库本体元的属性表达以及常见逻辑关系组合,形成复杂的临床应用规则,根据不同场景定义将这些规则统一纳入规则引擎中,由当前诊疗过程数据决定当下场景的质控规则是否被触发,从而提示用户采取相应干预措施。
2.2.3 基于机器学习的自学习式过程干预 建立基于病种诊疗数据和国家标准的质控规则,为干预处置提供决策支持,并利用大量真实临床过程数据及标准规则进行模型训练,以实现对医生诊疗过程合规性的精准分析。同时,在医院已有体系基础上,支持不同类型、不同力度的多维度消息通知,确保质控消息及时且准确传达。
在国家单病种质量管理标准基础上,单病种过程质控系统与临床路径、DRGs、诊疗经验、学科研究等结合,构建单病种知识图谱,辅助医院开展专病科研工作,提高单病种质控效能。可针对各专病进行大量数据积累和指标分析研究,构建个性化预测模型,从而进行相关领域内容的纵向延伸,并进一步横向拓展研究内涵,为单病种科研提供研究依据。
在单病种上报系统引入智能化数据采集引擎,支持多源异构数据采集,能够提供自然语言处理功能,同时满足结构化和非结构化数据抓取要求,兼容多种数据结构采集。此外,采用与国家平台一致的接口规范,从而将采集到的数据无缝对接并自动上报至国家平台。
医疗健康领域具有知识复杂、服务密集、更新迭代快等特点,为了做到精细化和个性化质控,通过应用人工智能技术,结合数据驱动、知识驱动方式,实现电子病历的内涵质控、数据后结构化处理、病案首页规范化填报及单病种实时监测反馈等[3]。具体技术路线与方法包括:(1)借助大数据医疗文本分析、医学自然语言处理、医疗语义标准化解析、医疗知识图谱及相关机器学习等人工智能技术,加强病历数据语义解析及质控推理的基础能力建设;(2)在质控推理与判断过程中,通过基础医疗大数据技术从数据完整性、规范性、逻辑性、准确性等方面构建多维数据质量评价指标体系[4],实时对电子病历系统中的病历文本进行初步数据整合、数据清洗、字段分析及模式映射等预处理;(3)有效利用院内电子病历记录数据,通过人工介入,以数据驱动及知识驱动方式,构建病历数据模型训练与质控知识库;(4)通过人工智能技术与算法框架对电子病历系统中的病历文本进行相应语义分析、要素识别、术语归一及实体链指,实现对病历文本宏观与微观内容的深度理解;(5)通过知识校验、语义计算、知识推理及一致性分析等模型算法及推理机制,实现对病案的形式化、内涵化质控判断,同时集成多维度不同的策略及算法,实现对不同专病病种的临床医疗合理性、操作规范性、管理系统性等的深度内涵质控。
临床科研是推动临床医学创新发展的主要动力[5]。随着医院信息化水平的不断提升,医院积累了大量临床数据,这是科研的数据信息基础[6]。在临床科研过程中,专病数据库系统将发挥积极作用。专病数据库系统可利用多维度筛选、队列研究等工具与方法,帮助临床科研人员便捷获取科研样本集合,并通过创新技术工具与算法快速完成多样性病例数据采集,从而实现对多模态真实世界数据的融合建模,辅助开展前瞻性与回顾性研究。
医疗质量是所有医疗机构赖以生存的生命线。将人工智能技术应用于单病种质量管理中,将更好地满足医疗机构对医疗质量提升的刚性需求。依托信息化、智能化等技术手段,构建单病种队列数据库与生物样本全息库,不仅可以为单病种质量管理提供新的抓手,而且可以完善数据管理机制,提升数据标准化程度,从而为后续医学研究提供新的思路。
医疗机构应结合持续积累的单病种临床诊疗经验,对院内现有信息系统应用及数据记录内容进行综合评估,采用人工智能数据驱动方式与回顾性研究方法,挖掘数据潜在价值,从循证医学及临床研究角度出发,进行有据可依的单病种真实世界数据范围与模态维度圈定。
医疗机构需构建专病队列数据集标准,包括涉及多种模态数据的结构化标准、质量标准、术语标准、表征标准、编码标准等。可采用人工智能本体设计思路、知识工程建设思想、符号化及向量化表征等创新技术,并结合国家公布的多种指引性规范,进行上述标准体系建设。
同时,依据确定的单病种真实世界数据范围与模态维度,利用大数据、人工智能等技术对院内各信息系统中的多源异构数据进行采集、传输、清洗、整合、加工处理、分析挖掘和病种建模等数据计算操作,构建单病种队列数据与生物样本全息库,形成以单病种与生物样本大数据为中心的数字化生命健康产业。比如:在临床研究过程中,利用病种和基因大数据分析与特征处理,通过致病基因对疾病进行分类和诊断;在临床诊断方面,将基因大数据应用于疾病的临床诊断,作为传统临床诊断的补充;在疾病筛查方面,开展以多基因风险评分为代表的专病预测性研究等。
基于单病种队列数据库与生物样本全息库,医疗机构应以临床科研创新驱动为导向,通过组建复合型多专家团队,构建面向多角色操作、多模态数据、多处理环节、多标注层级、多建模任务的一体化认知体系,以临床真实世界数据研究、生物医药协同、医疗人工智能认知挖掘为核心,开展多模态持续认知与运营体系建设。