前言：想要寫出一篇引人入勝的文章？我們特意為您整理了人工智能對醫療機構業務能力提升探究范文，希望能給你帶來靈感和參考，敬請閱讀。

【摘要】利用面向深度遷移學習的神經網絡領域遷移和自適應技術以及深度語義分析、醫學語義理解、醫學領域知識圖譜構建等人工智能技術，建立智能輔助診斷和慢病智能管理服務模型，應用于基層臨床和公共衛生服務領域，創新基層衛生健康服務新模式，降低基層醫療漏診和誤診率，減少公共衛生服務壓力，逐步提高基層醫療服務效率和水平，緩解醫療衛生資源配置不均衡的問題。

【關鍵詞】人工智能;基層醫療;服務能力;醫療資源;服務模式

蕪湖市衛生健康委員會圍繞“健康中國”戰略和“健康安徽2030”規劃綱要，通過安徽省“智慧醫療與家庭醫生簽約服務”民生工程，推動“智醫助理”在蕪湖市基層醫療機構的應用，推進人工智能在醫療衛生領域的具體實踐，進而創新基層醫療衛生健康服務模式，改善家庭醫生對轄區內簽約居民提供約定的基本公共衛生服務、基本醫療服務和健康綜合服務等，提升基層醫療衛生健康服務能力，提升基層醫療衛生水平。

1基層醫療衛生服務現狀

1.1基層醫生配比不足

每年我國各類醫療機構診療總人次超過70億次，且存在醫療資源分配不均、布局結構不合理等問題，醫療衛生行業面臨巨大的服務需求壓力[1]。基層醫療機構醫生的配比更加不足，2017年我國全科醫生總數為25.3萬人，占全國執業（助理）醫師總數的7.47%，遠低于國際上30%～60%的平均水平[2]。比照國家衛生健康委文件要求，根據轄區服務人口、農村居民醫療衛生服務現狀和預期需求以及地理條件等因素，原則上按照每千服務人口不低于1名的比例配備村衛生室人員[3]。蕪湖市基層醫生的配比，同樣存在很大的缺口。統計結果顯示村衛生室合格醫生數量2027名，執業（助理）醫師1080名，鄉村醫生947名，按照每千服務人口1名村醫標準，村醫缺口數量依然較大。

1.2基層醫生任務重

蕪湖市基層醫生及服務人群比例上嚴重失衡，基層醫療工作及非醫療事務性工作上人力資源嚴重缺失，導致在服務能力上無法很好滿足居民的衛生健康管理訴求。隨著國家、省、市針對基層醫生服務質量要求的提出，隨著簽約人數越來越多，工作量將越來越大。研發基于人工智能的臨床決策支持系統，開展基層醫療健康場景下的智能語音技術應用，提高醫療服務效率，緩解服務壓力[4]顯得十分迫切。

2系統建設的基礎條件

蕪湖市已經建成以電子健康檔案資源庫和電子病歷資源庫為基礎的人口健康信息平臺，搭建了衛生專網，建設了基層醫療機構一體化信息系統，各縣區均建立了中心機房，硬件設施完備，衛生專網已經部署到村衛生室（社區衛生服務中心）一級。基于國家指導意見，蕪湖市推進云計算、大數據、人工智能等新興技術應用，探索創新發展，更好地服務廣大群眾[5]。

3系統的整體框架

整個系統按照省、市、縣三級架構部署，市級基于市政務云平臺的IAAS（InfrastructureasaService）服務，利用現有的覆蓋全市公共醫療衛生機構的衛生專網，搭建智醫助理核心應用服務，在各縣區中心機房部署核心應用前置服務，包括前置中轉服務和輔助診斷應急服務等，確保服務的連續性和及時性。見圖1。系統嵌入各縣區基層HIS，統一用戶體系，同步患者的門診診療數據、疾病圖譜數據、用藥建議數據、處置建議數據、基本檔案數據、隨訪記錄等數據，基于PC端的基層一體化的醫生工作站C/S和B/S混合架構的形式提供智能輔助診斷、智能慢病管理等人工智能應用服務。同時系統也支持移動設備，4G或WiFi環境下通過VPN接入。見圖2。

4系統的主要功能

智醫助理系統主要包括智能輔助診斷、智能慢病管理兩大核心功能。智能輔助診斷模塊作為幫助基層醫生提供治療方案，對于基層醫療水平的提升有著直接的作用，核心技術基于深度神經網絡的面向認知計算的模型構型、學習策略和目標函數優化等技術，包括面向深度認知模型的循環神經網絡算法（RecurrentNeuralNetwork，RNN）和卷積神經網絡（ConvolutionalNeuralNetworks,CNN）優化技術、Attention機制下的Encoder-Decoder深度學習建模構建技術，面向深度遷移學習的神經網絡領域遷移和自適應技術，強化學習和深度強化學習算法，以及深度語義分析和理解技術。見圖3。慢病智能管理模塊幫助基層醫生完成慢病隨訪與管理、健康檔案采集更新、預約提醒和健康教育等服務。基于語音識別（AutomaticSpeechRecognition，ASR）、語義分析（SemanticAnalysis，SA）、神經網絡機器翻譯技術（NeuralMachineTranslation,NMT）、自然語言處理（NaturalLanguageProcessing，NLP）、語音合成（TexttoSpeech，TTS）等技術構建智能自然語音交互系統，滿足多種實際應用場景下的人機指令下達，執行反饋、人機對話。

5系統的實際應用

我國醫學專家系統的開發研究始于20世紀80年代初，起步雖然較發達國家晚，但是發展迅猛[6]。特別是近年來社會需求、學科設置和人才培養加大，人工智能發展更加迅速。人工智能應用于醫學研究和診療已經成為現代科技的熱點之一[7]，通過人工智能與醫療相結合，能夠顯著提高基層醫療機構的服務效率和服務能力，實際應用效果顯著。隨著醫療人工智能的發展，“超級醫生”在一定程度上已成為現實[8]。目前蕪湖市已經完成智醫助理系統在蕪湖市1市1縣6區范圍內所有基層醫療機構的全覆蓋，包括52家鄉鎮衛生院、28家社區衛生服務中心、833家社區服務站及村衛生室。智能輔助診斷功能支持95%以上基層醫療機構各科室常見病種，針對診療中病歷書寫、診斷診療等不規范行為，進行實時提醒，大大降低了誤診率與漏診率，診療電子病歷規范率從66.67%提高至98.05%。慢病隨訪功能大大提高工作效率，以鳩江區慢病管理工作為例，全區人口51萬，按簽約率40%及服務規范最低要求，計算出隨訪總量為46.4萬次/年左右，約1856次/天。按照日常人工效率來計算，則需要26人專門負責電話隨訪。相同工作量，利用系統并發，1856次電話僅需6次外呼，只需1人進行外呼設置，系統總耗時約15min，提高了醫療服務效率和服務能力。

作者:潘玉龍 陳韌 單位:蕪湖市醫院管理中心