基于新型CDSS辅助的病案首页填报及质控

光奇 王建林 赵正斌 丁雪乾

[摘要] 基于人工智能技术的新型临床决策支持系统，可通过构建设计编码规则与知识库系统、优化质控逻辑与质控指标体系，对医疗过程进行智能监测和管控，实时监控病案首页的填写情况与质量，强化医疗过程质量稽查，对存在质量缺陷与不符质控规则的诊疗流程进行预警提醒，有助于实现更有效的病案管理与医疗质控。

[关键词] 临床决策支持系统；
人工智能；
数据处理；
病案首页；
质控

[中图分类号] R197.324      [文献标识码] A      [DOI] 10.3969/j.issn.1673-9701.2023.14.025

The first page filling and quality control of medical records based on new CDSS

GUANG Qi1， WANG Jianlin1， ZHAO Zhegnbin2， DING Xueqian1

1.Information Centre， Lanzhou University First Hospital， Lanzhou 730030， Gansu， China; 2.Department of Medical Record， Lanzhou University First Hospital， Lanzhou 730030， Gansu， China

[Abstract] The new clinical decision support system based on artificial intelligence technology could design coding rules and knowledge base system， optimized quality control logic and quality control index system， intelligent monitoring and control of medical processes， real-time monitoring of the completion and quality of the first page of the medical case， strengthening the quality audit of the medical process， early warning and reminding of the treatment process with quality defects and non-compliance with quality control rules， helping to achieve more effective medical case management and medical quality control.

[Key words] Clinical decision support system; Artificial intelligence; Data processing; Front page of medical record; Quality control

病案首頁是住院患者信息的重要来源，对住院患者管理、病案资料分析与研究、医疗质量管理控制与评估等具有重要意义[1-3]。目前医疗质控总体执行的达标率不断上升，但仍然存在诸多问题，如多数医生对部分质控指标认识不足导致执行情况不乐观，质控工作主要依靠人工统计分析导致数据真实性存疑且有滞后性等。因此，通过信息技术挖掘临床数据，建立对医疗过程的实时质量监控，提高病种管理的准确性、及时性和科学性显得尤为重要[4]。本研究通过人工智能（artificial intelligence，AI）技术结合医学知识库建立新型临床决策支持系统（clinical decision support system，CDSS），可在医生操作过程中智能识别诊疗行为是否存在缺陷并进行提醒，引导医生按照指南要求完成诊疗项目，生成过程数据实时回报质控指标完成比率，从而建立自动化质控应用。同时还可根据一定的质控规则与质控逻辑在诊疗过程中自动识别和实时管控诊疗缺陷，提高病种质控的实时性、规范化和数据真实性，助力提高患者病情分析和医学研究[5-6]。

1  基于AI的新型CDSS架构设计

1.1  CDSS系统分析

传统的CDSS建设是以提供医师诊断查阅浏览为出发点，系统知识库主要包括临床指南、药品使用说明书等一些基本临床业务知识，后来基于医院信息化平台进行建设，开始抽取患者诊断、病程、症状、检验、检查、药品等数据，结合指导原则、指南等知识，通过相关逻辑算法等能力进行知识关联[7]，在一定程度上为临床医师提供了诊疗参照，如根据CDSS推荐为相似的病例提供一个全面的知识补充与决策依据[8-9]。

CDSS要从传统的单纯功能建设转向提高数据集成度，通过新一代智能化信息技术为关联用户主动推荐更符合角色需要的“高级内容”。临床医学知识库除了不断更新的疾病临床诊疗指南等医学资料外，还应该有三甲医院、著名行业专家的历史诊疗数据，通过机器学习、数据挖掘等手段进行结构化和元素化梳理。CDSS在临床业务层面的应用，首先是解决医学自然语言识别问题，让计算机读懂、读准数据，进一步研判医学逻辑；
研究结果表明，基于自然语言处理（natural language processing，NLP）技术，通过对医学命名实体与变量关系进行识别，以及对非结构化或半结构化病历文本进行关键词界定、语意句意剖析解释、语言行为分析等智能化处理，病历文本识别精确度可达91.8%[9]。

1.2  基于AI的CDSS平台设计

新型的智能临床辅助决策系统以国家诊疗规范为标准，以AI技术为支撑，在数据核心层通过神经网络算法、推理模型等构件各类库。①通过与其他医疗信息系统进行数据互联互通，采集诊疗所需的数据；
②通过数据核心层的智能计算与数据训练，对所采集诊疗数据进行判别、分割、清洗处理；
③通过应用层服务连接，推送智能诊断参考依据、提出不同诊断意见。其中，决策系统是以智能决策引擎和医学知识库为核心，遵循疾病发生、发展的本质原理，以新一代AI基础理论体系为指导，采用基于本体的语义网络、深度学习神经网络算法等前沿技术对涉及疾病诊疗本质的指南、文献、医疗病历等数据进行“学习”，自我完善知识库、规则库以及决策引擎模型，实现精准、高效地智能综合分析与判断、为医生诊疗过程中所涉及的基本检、诊、治服务提供精准的解决方案推送，技术功能框架见图1。

新型CDSS平台系统采用了Spring MVC架构，底层采用关系型数据库MySQL和图形数据库Neo4j结合的方式，通过Java语言来实现所有的应用功能。后台深度学习引擎使用Python，结合谷歌的TensorFlow的框架，创建智能学习的模型。集中式云平台部署的B/S架构，支持Weblogic或Tomcat中间件技术；
支持XML和JSON格式数据传输，能与不同来源的医疗信息化系统和信息相对接。其中，AI推理引擎可通过临床电子病历数据、临床指南/实用内科学、医学文献/期刊论文以及三甲医院、著名行业专家的历史诊疗数据进行采集，利用大数据、自然语言处理、数据优化等技术，将其中关键的诊疗信息与特征提取出来，形成专业数据网络，并通过深度学习实施数据网络模型训练，生成多个不同应用的医学逻辑推理模型，以应用于不用场景、不同需求的智能推送。真正解决目前医疗CDSS系统应用普遍存在的数据采集环境不智能、数据及推送不清晰、数据缺乏深度应用等问题。

2  病案首页填报与质控方案

2.1  病案管理需求

CDSS在病案首页与病历质控中的最典型应用是从数据源头，即临床医生和编码员开始进行管控。一方面，CDSS可对临床诊疗不规范行为进行预警提醒，避免临床医生“不够专业认真”造成的编码问题；
另一方面，AI可主动帮助编码员“记”编码规则和事中提醒编码依据，通过两个端口的管控全面提高病案质量。而传统CDSS以单一知识推送或警报提醒为主，知识库不具备自我学习的能力，难以灵活配置适应临床业务需求。新型CDSS可连接最新的循证指南，利用AI进行知识规则自主更新，能够且有必要对医疗全过程进行定量评价。

目前病案管理的不足之处主要可归咎于4点：①病案首页填写不完整与诊断选择问题；
②医学术语使用不规范，同一疾病出现不同的描述；
③病程记录过于简单，使医生已操作的診疗行为不可追溯，埋下法律风险隐患；
④病案信息不全。要解决上述4个问题，既需要提高医生的效率，又需要在事后进行病案质量的管控，其关键在于加强标准化、智能化与有效质控[10]。

CDSS具有标准化与智能化相辅相成的特点，旨在提升医生书写电子病历的效率与准确率。新型CDSS系统可通过构建内容丰富的知识数据库，并用NLP作为底层技术，以类人脑的逻辑方式实现病历内涵管理，取代传统病历管理系统下点对点的线性逻辑关系。两者的差异在于推荐信息的准确性与丰富性。由于医学知识本身兼具广泛与复杂两个特性，同一个症状往往可以推测出多个可能的病因，因此基于规则的推荐往往不能覆盖所有的可能。相比之下，采用NLP技术的新型CDSS可以处理复杂的医学逻辑，并可根据患者病情为医生提供可能疾病的概率分布，且可轻易调入电子病历之中，并且通过AI的辅助，医生的诊疗效率、质量都将提高，同时也降低了医生本身知识的要求。

2.2  知识库的构建与挖掘规则设计

基于固定规则的质控只能够解决一些简单的录入错误，如病历项的漏填、男性患者录入妇科疾病等问题，智慧病案管理系统需要具备完成智能化病案首页填报与控制的能力，进行更为复杂的内涵管理，找出病历中逻辑错误，进而使大规模病案质控成为现实，因此知识库的构建和挖掘规则库的设计十分关键。

知识库作为临床相关知识的总集，设计基于大数据分析、NLP处理、机器学习及规则引擎等技术，从权威知识源和权威医学知识库对提取信息并进行结构化处理，按照药品、诊疗指南、专科进行分类管理，同时能在诊疗病历数据中获取历史信息，不断训练系统的AI“大脑”，增补疾病知识，形成智能化的动态、实时、内化知识库。同时，为避免知识库信息匹配程度低、关联关系模糊导致的联动输出效果差的问题，设计基于规则引擎和KMP算法的决策方法，可结合医学知识图谱、AI技术、应用规则管理与规则引擎服务，构建规则约束条件和引擎配置，将推论结果作为输出信息，通过伴随展示、智能提醒、辅助诊断、医嘱质控、病历内涵质控等功能，无缝嵌入CDSS辅助质控平台中。

2.3  医疗质控方案

针对病历内涵质控，新型CDSS将质控关口前移，覆盖医院所有病历文本内容，把单纯形式结果质控转变为过程内涵质控与形式质控相结合，对缺陷内容进行事中干预并提示上级医生及时审核、驳回修改，从源头改善病历内容准确性、诊断明确性、治疗规范性，能够实现对临床病历全方位质量把控与评价。

2.3.1  智能质控管理  针对全量病历质控管理，通过嵌入医院信息系统，基于AI逻辑推理的病历质控系统可对全量病历进行分析，并通过智能规则引擎实现对医疗行为各环节的全程、动态、有序质控管理，有效解决以往手工时代实时质量监控困难的问题，通过实时数据的统计与分析，及时了解全量病历特别是重点病种的医疗过程质控情况及病历书写质量，为病案质量改进及绩效考核提供数据支撑。通过基于AI的内涵质控引擎，可快速实现对各类专科病历的内涵质控审核，如在AI支持下，1份病案的审核时间可缩短到原来的30%以下。病案科能够通过全局数据分析医院、科室甚至到医生个体的病历质控缺陷模式，从而极大提高管理部门进行质量改进的措施精准度，完成从“管病案”到“提高临床质量”的质控延伸。

2.3.2  CDSS融合病案质控  病案质控与新型CDSS的融合将进一步提高医疗质量管理的“基线”。一方面，CDSS可以进行病案管理流程重构，自动打通临床医生与病案员实时交互；
另一方面，CDSS可以实现高效率的“质量管理”，在与医院所有业务系统对接、数据处理、临床上的提醒等环节加强质控，提升临床信任及应用。以病案首页的出院诊断为例，主要诊断的确定有“三最”原则，即患者住院过程中对身体健康危害最大，花费医疗资源最多，住院时间最长的疾病诊断。例如，产科的主要诊断指产科的主要并发症或伴随疾病，则需要相应设计“产科主诊断应选择产科并发症或伴随疾病”的质控原则。因此，建立全院统一质控标准，既能使得临床医生行为更加规范，又能使病案管理更加精细化、过程化，同时系统多维度的质控数据汇总也帮助管理者实时掌握院内病案管理情况。

2.4  应用成效

选取兰州大学第一医院部分科室进行CDSS病案首页填报及质控管理实践应用测试。整体来看，医院临床医生对系统提示的整体采纳率呈上升趋势，临床应用科室的病历缺陷问题总数、平均每份病历的缺陷问题数逐步下降，通过对电子病历创建时间的管理，电子病历创建时间合格率由5月的93.0%提升至10月的99.0%，超时创建病历份数由5月的485份下降至10月的65份。2020年1月至10月，病案首页准确完整率从84.1%提升至89.9%，见表1、图2～3。

3  讨论

病案首页填报及质控可实现对病案首页数据的规范化、同质化管理，需要对病案首页填写缺陷情况及质量进行实践分析，才能真正提升病案首页的填报质量与质控效果。实践理念基于新型CDSS的自动化质控管理模式，属于事中干预，遵循PDCA原则，及时纠正医生行为偏差并允许生成和输出中间过程数據。同时，科室或医务管理部门按照不同维度查询质控达成情况，实时监测特定患者或医生是否被/执行规范的诊疗路径。将相应指标作为核心监测参数进行定期量化评价，查询既定质控指标未完成的原因，及时与临床沟通纠正。

以AI、自然语言处理为代表的新一代智能信息技术已成为推动医学质量发展的重要引擎元素，本研究从提升病案首页填报与医疗质量控制工作两个环节为出发点，分析设计基于新型CDSS辅助的病案首页填报及质控方案，一方面可通过对整本病历的语义理解及其他历史临床信息补充构建诊疗模式，推导出合理的主诊断，对于合并诊断缺失、手术及操作漏填等问题可以基于该模式进行识别和提醒给予医生及编码员必要的提醒；
另一方面根据一定的质控规则与质控逻辑在诊疗过程中自动识别和实时管控诊疗缺陷，能够有效提升病案质控的标准化、智能化与精细化，为临床病案管理提供帮助。

[参考文献][1] 蒋薛明. 住院病案首页数据质量控制体系建设[J]. 中国卫生统计， 2019， 36（3）： 348–350.

[6] 梁志刚， 罗德芳， 魏岚， 等. CDSS用于电子病历质量控制的开发设计与应用[J].中国数字医学， 2021， 16（3）： 23–27.

猜你喜欢数据处理人工智能我校新增“人工智能”本科专业西安航空学院学报(2022年2期)2022-07-04认知诊断缺失数据处理方法的比较：零替换、多重插补与极大似然估计法*心理学报(2022年4期)2022-04-12ILWT-EEMD数据处理的ELM滚动轴承故障诊断水泵技术(2021年3期)2021-08-142019：人工智能商界(2019年12期)2019-01-03人工智能与就业IT经理世界(2018年20期)2018-10-24数读人工智能小康(2017年16期)2017-06-07下一幕，人工智能！南风窗(2016年19期)2016-09-21下一幕，人工智能！南风窗(2016年19期)2016-09-21MATLAB在化学工程与工艺实验数据处理中的应用当代化工研究(2016年9期)2016-03-20Matlab在密立根油滴实验数据处理中的应用西华师范大学学报（自然科学版）(2015年3期)2015-02-27