你看到的電子病歷，很可能是AI審查過的

圖片來源@視覺中國

文 | 八點健聞，作者 | 鄭琪，編輯 |?子木

口述即可書寫病歷，自動查找病歷缺陷內容，AI病歷質控系統來了！

「給患者解決診療問題才是醫生該有的價值，而不是將更多精力放在病歷上。」中國信息協會醫療衛生和健康產業分會會長宋新說。

據美國醫學會（AMA）的統計，醫生職業生涯中大約35%—40%的時間用在病曆書寫及相關文案工作上。在我國，這個問題也普遍存在。

AI病歷質控系統通過對病歷語義的理解及診療路徑的評估，查找缺陷內容，標識原因，實現了對臨床病歷全方位質量把控與評審。

「中大醫院目前病歷質檢覆蓋率已達 100% ，質檢缺陷覆蓋面由原來的重點缺陷檢查升級為全量缺陷檢查，質檢工作增效提速接近10 倍。」

提起自家醫院病歷質控的進步，東南大學附屬中大醫院網路信息中心主任史亞香一臉驕傲。

在引入人工智慧輔助質控半年後，中大醫院病歷缺陷查全率由人工質控時期的71.4%提升到了AI時期的 83%。與此同時，AI的查准率也達到了 85%，與人工質控的缺陷重合率為63.3%。

「以前質控工作人員一天能完成的全缺陷質控只有5-8份，現在通過AI 系統『自動缺陷篩查 質控人員人工審核』的方式可以幫助質控工作人員一天完成100份全缺陷質控，從而實現出院病歷全覆蓋。」史亞香提到，這從人力、物力、效果方面都給醫院解決了很大的難題。

在醫療質量管理中，病歷質量是重要組成部分。但是，由於病歷質控工作量大，具有臨床背景的高學歷專職質控人員稀缺等原因，病歷質控效果一直很不理想。

「無論是出現了醫療糾紛還是醫保審核，查看的數據 80%-90%都來自病歷。」史亞香表示，AI 病歷質控系統的應用，既響應了國家醫管政策，也滿足了醫院智慧化升級中的業務需求。

實際上，AI 在病歷質控方面的應用此前也有先例。北京的中日醫院、宣武醫院等都已經在 AI 輔助病歷質控方面進行了探索。

病歷缺陷成為醫療糾紛的賠償證據

對於醫院來說，病歷質控是一種剛性需求，病歷缺陷將造成醫院經濟和信譽的雙重損失。以醫療糾紛為例，病歷中的錯誤是患者告贏醫院獲得賠償的重要證據。幾乎所有的醫療糾紛案件中，所涉及到的病歷都是有缺陷的。

與此同時，病歷也是醫保賠付的重要依據和醫院考核的關鍵指標。2019年4月17日，國家衛健委發布通知，明確將病案首頁質量和電子病歷應用功能水平評價納入三級公立醫院績效考核。

雲知聲醫療 AI 產品總監孫熙告訴八點健聞，目前我國三甲醫院平均每家每天的出院患者多達上百例，病歷質控工作量大、專業性強，但電子病歷系統的模塊僅能完成簡單的形式質控，內涵質控仍需要專業人員手動完成，人力資源和業務需求形成不可調和的矛盾。

質控人員的數量和質量缺一不可。病歷是北京協和醫院的「三寶」之一。據協和醫院病案科主任王怡介紹，為了確保病歷的質量，2010年開始，協和醫院聘請來自21個專科的28名資深專家組成病歷質量內涵專家組，擔任病歷內涵質量「守門員」，構建以病歷內涵質控為核心、三級質控為架構的全程病歷質量管理體系，對病歷的過程質量、基礎質量和終末質量進行全流程管控。目前，病歷內涵質量優良率從質控初期的66.38%提高至94.06%。

但是，像協和醫院一樣能夠在病歷質控方面投入人力物力的醫療機構並不多。在傳統的病歷質控模式中，醫院質控組工作人員大概3-5人，他們逐頁翻閱，前後對比查找病案中各項缺陷。一份病案從數十頁到上千頁不等，檢查一份病案的時間也有長有短。

需要強調的是，這樣的人員配置完全無法滿足醫療機構病歷質控的需求。目前，國家質控標準要求質控專員人數與醫院床位數比超過1:50。如果按照每家三甲醫院開放 1500 張床位計算，所需的質控人員應為30人。但能夠達標的醫院屈指可數。

以中大醫院為例，在使用 AI 系統輔助質控前，中大醫院質控專員僅4人，人均每日的質控數量是5-8份病歷，實際高質量質控佔比不到10%，大量病歷未能質控。

AI 助力，從形式質控到內涵質控

「這個系統我們已經盼了十幾年，終於在2018年有了成果。」一直以來，史亞香都期待一個能夠提高病歷質控效率的產品出現，但市場上病歷質控的產品並不多，且主要集中在形式質控，並不能達到希望的效果。

AI病歷質控的應用填補了國內病歷內涵質控的空白，也滿足了史亞香對於病歷質控產品的期待。

2018 年 3 月起，中大醫院與雲知聲開展了 AI 輔助病歷質控產品合作探索。梳理質控規則、進行質控引擎的開發、改造醫院質控流程、質控系統上線試運行、質檢引擎自學習，一整套流程下來，醫院的質控需求與 AI 技術相融合，一款智能病歷質控產品就這樣誕生了。

雲知聲醫療 AI 產品總監孫熙指出，該產品應用自然語言理解技術，結合臨床知識圖譜，為醫生書寫的病歷文書進行缺陷篩查，可有效提升病歷質量，從而保障醫療服務質量和醫療安全。

北京頤聖智能科技有限公司也推出一款病歷質控AI機器人，利用自然語言處理技術和一系列的診療演算法，充分理解病歷內容細節和邏輯關係，不僅能夠檢查出病案書寫錯誤、信息矛盾等缺陷，還能夠核控醫生診療決策中的全面性和合理性，並及時向醫生和質控人員反饋質控情況。公開資料顯示，頤聖智能的病歷AI質控應用主要針對於內涵質控。經測算，單機狀態下，質控5000份病案不到3個小時，一家三甲醫院日均出院患者量在500人左右。

2018 年上半年，宣武醫院引入了具有梅奧知識內涵及AI技術支撐的惠每臨床決策支持系統。目前，宣武醫院神經內科正在使用惠每醫療AI解決方案，這套系統能夠實時智能識別患者臨床數據中所隱含的醫生診療質量缺陷，包括病歷文書、檢驗檢查數據、醫囑等。當醫生在電子病歷等醫生工作站中工作時，可自動識別並提醒醫生有缺陷的診療項目和具體的推薦理由，如未開具某種藥物或者劑量不足等，醫生點擊質控提示即可完成相應處理。

宣武醫院神經內科副主任宋海慶曾表示，醫療AI在診療過程中，對醫生主觀行為進行流程性檢查和實時提醒，能夠及時糾正疏漏和錯誤，改善醫務人員特別是低年資醫生的指南依從性、規範性，有利於患者長期預後。

即便 AI 在病歷質控過程中的效用明顯，但準確率還有待提高。

「準確率應該到 90%以上。」史亞香提到，目前智能病歷質控系統在中大醫院已正式使用三個月，效果很明顯。但是醫院還是希望未來該系統可以在準確率、召回率、覆蓋率等方面繼續提高。

雲知聲醫療產品總監孫熙也表示，目前病歷質控系統還有一些局限性。首先，輸入數據的質量、病歷自身的結構化程度、規範化程度，檢查檢驗報告、數字簽名等是否接入等因素都會影響質控引擎的運行結果，影響檢查缺陷的準確率和召回率。其次，由於不同醫院的質控業務流程、規範不同，系統需要在推廣實施中擴充需求，適應不同醫院的業務要求。第三，不同電子病歷系統的對接工作量很大，不同科室病歷模板、書寫規範也不一樣，這都導致了實施工作量和工作難度的增加。這些問題，需要廠商與醫療機構協同解決。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！