國內8家公司發力人工智慧，用AI破解「臟病歷」難題

7月3日，美國《福布斯》的一篇文章引發熱議，其標題為《沃森是不是一個笑話？》 ("Is IBM Watson A "Joke"?")。 曾經在全球掀起AI巨浪的IBM Watson項目，與國際頂尖的腫瘤治療和研究機構——MD 安德森癌症中心合作四年，累計花費約6200萬美金，最終因「成果甚微」而導致合作破裂。IBM Watson項目為何難以取得突破性進展？美國癌症研究所編輯（JNCI） Charlie Schmidt 這樣寫道：

「該系統在『吸收』手寫的病例報告、醫生筆記或者其它涉及大量文字的醫療信息上存在諸多問題。」

換句話說，Watson和MD 安德森所面對的問題，就是非結構化病歷帶來的困擾。所謂非結構化病歷，具體指由無結構的人類自然語言構成的、無法用於統計分析的病歷，我們形象地稱之為「臟病歷」。目前，全球大量基於人工智慧技術的輔助診療系統開發團隊均不同程度地受到「臟病歷」的掣肘，就我國病歷可用性而言，現狀尤其不樂觀。

根據國家衛生計生委統計信息中心2016年6月底進行的全國醫療衛生機構統計數據顯示，全國醫療衛生機構總數為98.9萬個，其中基層醫療衛生機構92.7萬個，約佔總數的93.71%；而醫院數量僅2.8萬個，約佔總數的2.86%；另有專業公共衛生機構3.1萬個，其他機構0.3萬個。

我國醫療行業長期發展過程中，各地方醫院缺乏統一規範的臨床結構化病歷模型（即基於確定的結構和關係的數據表達模式和信息分類框架）；基層醫療衛生機構病歷寫作尤其缺乏規範性，並且存在醫生直接複製粘貼病歷內容的現象，造成病歷重複率較高，使用價值很小；此外，我國醫療機構在患者回訪機制的建立方面還處於萌芽期，患者回訪率極低，這也使得患者診後延續性數據十分匱乏。我國自2002年便已出台《病曆書寫基本規範（試行）》，開始對病曆書寫提出規範化辦法；2009年「新醫改」政策出台後，更是將病歷電子化、規範化列入國家衛生計生重點工作中，連續出台多部文件，推動電子病歷規範化與醫療數據產業化進程。

然而，我國醫療機構龐大的體量，使病歷規範化改革之路坎坷曲折，現有的病歷根本無法滿足人工智慧機器學習所需的海量結構化病曆數據。針對這一難題，近年來國內一些科技類公司開始將人工智慧技術運用於「病歷結構化」之上，並形成專門的服務產品。

一、病歷結構化的技術手段：自然語言處理

病歷結構化，就是將無結構的人類自然語言，通過詞法分析、句法分析以及語義技術，轉化為可用於查詢、統計、分析的結構化病曆數據。病歷結構化過程，在計算機中是通過自然語言處理（Natural Language Processing，簡寫為「NLP」）完成的。自然語言處理，是人工智慧通用演算法應用的重要組成部分（人工智慧通用演算法應用包含計算機視覺與圖像、自然語言處理兩部分）。自然語言處理的演算法很多，基本邏輯如下圖所示：

二、兩類產品服務體系 滿足B端多樣化需求

根據億歐智庫在「AI+醫療」領域的研究，病歷結構化是AI賦能醫療行業的八大應用場景之一——「醫院管理」的子場景，此外「醫院管理」場景還包括基於遺傳演算法的醫院工程建設設計、醫院決策制定系統。目前國內人工智慧科技類公司之中，有8家公司正在提供病歷結構化服務，其產品和服務均指向B端，包括醫院、葯企、醫療研究機構、保險公司、IT企業等。縱觀這8家公司的產品服務體系，大致可以分為兩類：開放性平台服務和產品應用。

1、 開放性平台服務：開放性API+智能病歷分析服務

開放性平台服務，主要包括兩類，一是開放性的中文病歷語義API，提供企業無縫對接的可插拔式模塊；二是提供智能病歷分析服務，服務類型和範圍較廣，如為保險公司做醫療風險評估、精準醫學大數據中心的業務規劃和組織架構設計、協助重大研究課題進行前期分析研究、開發醫療人才培養系統等等。此類公司包括森億智能、零氪科技、依圖科技、醫眾影像、大數醫達、生命奇點。

2、產品應用：雲醫聲+醫語通

將病歷結構化技術融入產品應用當中的公司主要有兩家，科大訊飛和中科匯能。科大訊飛的產品為移動端APP「雲醫聲」，該產品以語音識別為基礎，能將醫生說出來的醫囑直接記錄整理成電子病歷，大大減輕了醫生的工作量；其智能語音轉錄系統的準確率在97%，並且適用於醫院所有科室。中科匯能則提供軟硬體一體化服務，即「醫語通」服務產品，包括自主知識產權的醫療語音識別引擎、語音錄入客戶端和醫療專用麥克風。「醫語通」基於語音合成與識別、手寫識別、圖像識別、語義理解、聲紋識別，將無結構化病歷轉化為結構化病曆數據，識別準確率達95%以上。

三、自給自足：結構化病歷助力AI+輔助診療產品落地

除上述8家專門提供病歷結構化服務的公司以外，國內許多基於人工智慧技術開發輔助診療產品的公司，主動與醫療機構展開合作，利用自然語言處理演算法處理來自醫療機構過往沉積下來的「臟病歷」，由此獲得海量結構化病歷，然後將其作為學習材料完成機器學習。這種「自給自足」的結構化病歷，極大地縮短了AI+輔助診療產品的落地速度。例如深思考以NLP作為核心技術，將自主結構化後的海量病曆數據，用於開發iDeepWise深度學習平台、人工智慧大腦Web服務平台以及虛擬機器人等輔助診療產品。此類公司還有很多，如連心醫療的腫瘤臨床數據中心（CDR）、康夫子的智能輔助問診機器人開發平台等等。

另外，在此不得不提一下我們熟悉的「AI老大哥」，IBM Watson。不久前，IBM授權認知關懷作為IBM Watson for Oncology（針對腫瘤的輔助診療系統，我們習慣將其稱之為「沃森腫瘤專家」）中國指定運營商，這也標誌著IBM的人工智慧產品將積極探索中國市場。IBM Watson所採用的「認知計算」技術，雖仍以自然語言處理為基礎，但擁有更強大的非結構數據讀解分析能力，並能夠根據醫生輸入的病人指標信息，提出優選的個性化治療方案。該技術的出現，有望根本上解決中國「臟病歷」泛濫的現狀。

隨著「AI+輔助診療」的進一步發展，病歷結構化的重要性將日益凸顯。而基於我國醫療衛生機構龐大的體量，多數病歷「太臟」的現實狀況，我們有理由相信，在病歷結構化的剛性需求與廣闊市場空間的共同催生下，未來將有更多致力於提供病歷結構化服務與產品的公司湧現，以醫療演算法平台為業務方向之一的企業也將有可能在此領域發力。

本文作者尚鞅，億歐專欄作者；轉載請註明作者姓名和「來源：億歐」；文章內容系作者個人觀點，不代表億歐對觀點贊同或支持。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！