前言：想要寫出一篇引人入勝的文章？我們特意為您整理了循證醫學知識庫的智能預問診系統探究范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：在循證醫學知識圖譜基礎上，將循證醫學規則引擎和規則流作為技術核心，利用人工智能技術構建了預問診推理機制，建立了智能預問診系統，優化了診療服務流程，提高了醫患溝通效率，有效改善了患者就醫體驗。在防控期間，智能預問診系統既保障了院內零感染，又為廣大患者提供了優質、便捷、安全的智慧醫療服務，賦能了疫情新常態下的智慧醫療新發展，開創了“互聯網＋醫療健康”服務新模式。

關鍵詞：智能預問診；人工智能；臨床輔助決策；循證醫學；

0引言

隨著國內疫情的有效控制，疫情防控已進入新常態，醫院既要為廣大市民提供良好的就醫服務，第一時間診治患者，又要實現院內零感染，責任與壓力并重。隨著人工智能技術的快速發展，以及智能科技與醫學的交叉融合，探索與健康中國相適應的新型醫療服務模式，構建以現代科技手段賦能全生命周期各個環節的新型健康服務體系，建立全流程的健康服務變得勢在必行，特別是在疫情防控常態化新形勢下，醫療機構勢必全面擁抱互聯網，快速進入智慧轉型“深水區”。2020年，國家衛健委接連文件［1－3］，強調要充分發揮互聯網優勢，把防控工作落實、落細、落到位；充分發揮信息化在創新診療模式、提升服務效率、促進人員安全有序流動等方面的支撐作用。如何有效利用互聯網、物聯網、5G等新興技術，在確保院內零感染的基礎上，給廣大患者提供優質、便捷、安全的智慧醫療服務已成為當前各公立醫院全面貫徹落實關于堅決打贏疫情防控阻擊戰亟待解決的關鍵問題之一。常規診療流程主要由掛號、候診、就診、繳費、檢查等組成。如何將疫情防控關口前移，將患者原先需要在醫院才能完成的流程，借助互聯網技術能夠在家里完成，減少醫院現場就診時間，避免大量人群聚集帶來的交叉感染風險就顯得尤為重要。國外人工智能應用在醫療服務領域起步較早［4－5］，2015年，IBM“沃森”僅用時10分鐘就為一名女性病人精準診斷出白血病，并向相關醫療機構提出了治療方案。盡管人工智能技術與醫療服務融合應用在國內才剛剛起步，但發展迅速，從2003年的非典SARS開始，人工智能技術已在疫情監測預警領域得到了廣泛應用［6］。與2003年的SARS相比，本次肺炎具有潛伏期更長、傳播傳染性更強、無癥狀攜帶者導致防控難度更大等特點。重慶醫科大學附屬第一醫院的胡磊等［7］在人工咨詢基礎上，擴展了基于AI的肺炎自診、健康手冊、熱點問題速查等技術，為多學科線上診療打下了堅實根基。我院將循證醫學理論與人工智能技術深度融合［8－10］，通過智能預問診系統對在線問診植入AI能力，創新性地將門診服務延伸到診前，通過大眾端人工智能與患者問答的形式，結構化采集患者的基礎信息及病史信息。在防控期間，“互聯網＋醫療健康”創新服務模式有效避免了人群聚集，減少了醫院現場就診時間，大幅降低了肺炎交叉感染概率，提升了醫患高效溝通效率。

1系統架構圖

智能預問診系統主要分為互聯網區域和醫院內網部分，如圖1所示。互聯網區域主要是給患者提供手機端服務，患者可以在手機端通過微信小程序形式錄入個人信息；醫院內網主要是實現服務器、存儲、接口服務器等部署。由于系統要對外提供服務，對信息安全要求極高，方案采用網閘對醫院內、外網進行物理隔離，醫院內、外網通過端口映射方式提供外網訪問。通過反向技術NGIX，隱藏了服務器具體位置及信息，實現了負載均衡，提高了系統安全性。

2循證醫學知識庫

2．1知識組織、標準化

循證醫學知識客體主要包括收集、整理、分類、過濾、加工、提取、建模等流程。通過建立疾病庫、藥品庫、檢查庫和疾病診治相關的知識庫實現對知識單元的描述和標引，明確知識節點之間的邏輯關系。建立疾病名稱、疾病診療、藥物體系、檢查體系等區域醫學知識庫，規范診療行為，提高醫療質量。對診療行為全流程動態監控，輔助醫生臨床決策，減少漏診、誤診。

2．2基于知識庫的臨床支持模型

2．2．1疾病數據庫。包括各專科疾病譜信息，例如疾病名稱、診斷、病因、并發癥、流行病學、檢驗檢查、其他輔助檢查等信息。2．2．2藥品數據庫。包括藥品所有詳細信息，例如藥品商品名稱、通用名稱、配伍禁忌、適應癥、禁忌癥、注意事項、用法用量、不良反應等信息。2．2．3檢驗檢查數據庫。包括各類檢驗檢查項目信息，例如名稱、臨床作用、不良反應、是否空腹、正常值等信息。2．2．4循證醫學數據庫。包括臨床指南、診療評價和臨床基礎研究，其中臨床基礎研究包括對照臨床實驗、非對照臨床實驗、隨機對照實驗、非隨機對照實驗、病理分析及橫斷面研究等信息。2．2．5臨床輔助診斷主要提供輔助診斷治療，根據病人的癥狀，通過智能輔助診斷決策引擎，推斷出患者的疑似診斷，提供鑒別診斷的檢驗、檢查項目，在醫生確診后提供合適的治療方案供醫生參考。

3關鍵技術

3．1循證醫學標準

臨床醫療服務是嚴謹的、專業的，需要有一套國家標準作為服務的基礎，因此首先對國際上、國家衛健委、中華醫學會、各醫學專委會等的指南、路徑、規范等相關醫學標準進行收集、整理，結合最新的信息化、人工智能，建立結構化、關聯化、智能化的臨床決策模型，再按照臨床診療診前、診中、診后實際場景的需求，按照不同病種的實際問題及患者回答的答案，實時動態生成預問診問題，模擬臨床醫生問診，全面收集主訴、現病史、既往史、家族史、過敏史等信息，通過系統的智能診斷模型，初步給出5個疑似診斷，系統再結合以上信息為醫生推薦鑒別診斷需要的檢驗、檢查項目，在醫生確診后，系統推薦國家標準治療方案供醫生參考。

3．2醫學術語

醫學專業術語對于普通大眾來說是一個難題，系統通過手機患者醫療常用的俗語建立俗語與專業術語的關聯庫，在終端以通俗化用語呈現，輔助提供圖文、音視頻輔助患者對問題正確地理解并做出準確的回答。患者提供系統的問題和答案都是采用簡練的詞語，針對單獨的詞語怎樣組成一份完整的病歷（類似醫生書寫的病歷），系統對于患者的結構化錄入后臺有一套語言組裝模型，可以自動生成一份完整病歷，可以一鍵快速導入到病歷系統。

3．3人工智能

系統采用基于TensorFlow的深度學習框架，基于機器學習、人工智能和自然語言處理NLP等技術，通過對海量循證醫學標準進行深度挖掘和學習，形成智能化問診模型及智能輔助診斷模型，并進行推理運算將后期臨床經驗豐富的專家經驗提煉成AI深層神經網絡模型算法，將循證醫學與本地化特色經驗相結合。在遵循醫學規律的前提下結合醫學業務邏輯，設計不同的決策模型，如藥效評估模型、病史采集模型、手術方案決策模型等。通過使用統計學和機器學習方法，結合醫學數據源的特點通過真實臨床數據、樣本數據對原始模型進行訓練、評估、糾錯多維度符合提升系統的智能化。（1）決策樹歸納推薦算法醫療數據的挖掘技術旨在從海量醫療數據中提取有效的模型、關聯、規則、變化以及普遍的規律，加速醫生決策診斷和提高其決策診斷的準確度，決策樹算法目前是應用最為廣泛的歸納推理算法之一。智能預問診系統正是基于循證醫學知識庫結合決策樹歸納算法對病人的病癥進行分類預測以及數據分析。（2）貝葉斯定理貝葉斯定理是統計學中非常重要的一個定理，智能預問診系統基于循證醫學知識模型應用貝葉斯定理來保證醫療診斷過程的有效性，對于新的實例的預測和預警都有很好的使用效果。（3）神經網絡智能預問診系統底層基礎醫學邏輯基于循證醫學標準利用類似于AlphaGo的神經網絡算法模式，構建一個醫療界的AlphaGo，構建的前提是快速訓練，可擴展。

3．4大數據平臺

智能預問診系統在臨床應用一段時間后，會產生大量的病歷數據可以用于后續的臨床研究。通過建立分布式大數據平臺，將院內所有的數據實現統一集成、統一存儲、統一管理，形成數據資產。通過大數據的數據建模、結構化處理、知識庫建模、語義分析、基礎庫建設、專題庫建設等技術，實現數據的研究分析，為醫教研提供數據支撐。系統存儲架構如圖2所示。系統后臺采用Hadoop分布式文件系統HDFS存儲海量的結構化及半結構化數據，針對醫療數據查詢分析的實時性和延時需求，對于實時性要求較高的需要采用Storm內存流式計劃框架進行實時數據分析，對于離線數據采用Ha－doopMapReduce計算框架，例如大量的醫療病歷數據。平臺主要以Hadoop2．0技術框架為基礎，采用Ubuntu16．04系統，由8臺華為E5－2699服務器組成數據管理平臺，每臺服務器內存16×16GDDR42400MHz，機身自帶硬盤1塊1200GPCI－ESSD盤，2塊300GB2．5寸≥10Krpm工業級硬盤，9塊4TBSATA盤，總存儲容量近300T。醫療數據主要來源于臨床指南、臨床路徑、診療規范、診斷學、臨床用藥指南、檢驗檢查指南等相關的循證醫學標準以及本院臨床實例。存在形式主要分為半結構化和非結構化數據。數據通過初級轉化存入HDFS中，結構化數據通過序列化后存入HDFS中，不能夠序列化的數據，通過數據整理后統一存放在分布式數據庫環境中，再經過序列化后放入HDFS中。數據處理是對收集到的數據進行加工整理，形成適合數據分析的數據資產，例如對非結構化、半結構化醫療數據經過數據的抽取、清洗、過濾、轉換、加載等，并在數據處理過程中，剔除重復數據、補充缺失數據、處理格式不統一數據等，最終將大量雜亂無章難以理解的數據推導出有效數據，建立各種決策模型。

4應用效果

預問診系統采用了醫院與深圳某軟件企業聯合開發模式，由系統架構師、軟件設計師、需求分析師和臨床醫生等不同角色人員組成了8人開發團隊，開發周期總耗時4個月，于2019年1月在我院選取患者數量多、陪診家屬也多的兒科進行了智能預問診系統的試點上線工作。截止到目前，系統運行穩定，取得了階段性的成果。系統使用前后對比如表1所示。通過使用智能預問診系統前后對比可以明顯看出，一方面醫生能夠提前全面掌握患者病情，將門診醫生從大量繁瑣的病歷書寫中解放出來，轉而投入到更有價值的診療服務中，把時間留給患者；另一方面，在幫助臨床醫生提高服務上限的同時減少患者在醫院就診時間，避免了大量人群聚集帶來的交叉感染風險，幫助醫院管理者守住了安全底線，增加了醫患溝通時間，有效改善了醫患關系，提升了患者就醫體驗。

5總結

通過使用智能預問診系統，我院將門診服務前移，優化了診療流程，患者在診前就可以參與到診療過程，延長了醫患高質量有效溝通時間，降低了誤診率，提高了患者滿意度，構建了和諧的醫患關系。在防控期間，有效避免了大量人群聚集帶來的交叉感染風險，既確保了院內零感染，醫院門診業務量又穩中有升，圓滿完成了黨和政府賦予的時代使命，革新了傳統診療服務流程，開創了“互聯網＋醫療健康”服務新模式。

作者:曹茂誠 胡莉 單位:深圳市寶安區人民醫院