人工智能可以“修复”病历数据吗?

2020-2-28

近日,《自然》(Nature)杂志官网发布的一篇分析文章显示,数字化的患者数据被认为是医疗实践的革命,但电子病历系统的可用性仍然备受争议,人工智能可以提高其可用性并“修复”存在缺陷的病历数据。

电子病历应用存在的问题

一位年轻的男患者来到医院急诊,主诉腹痛和恶心。临床医生根据问诊、查体与检查检验结果,排除了阑尾炎的诊断假设后,给患者开具药方,其中一种药物是Tylenol,但在EHR系统输入药名时却搜出了80多种选择,最后在第68项才找到合适剂量的Tylenol。

这是国外研究EHR可用性的试验场景,也是许多医生使用EHR时面临的可用性问题之一。电子病历将病人信息数字化,初衷并非取代纸质病历,而是加速患者信息的流通,使患者信息随时随处可得,从而起到提高工作效率和医疗质量的作用。为此,美国2009年通过HITECH法案,实施360亿美元的财政激励措施,推动医疗机构从纸质病历过渡到电子病历。到2017年,美国已有85%的医生使用EHR。而电子病历在中国的应用较晚,首次快速兴起是在2003年。

即便如此,电子病历的变革能力并未体现。美国一项调查显示,医务人员抱怨EHR界面笨拙和耗时的数据输入。比如逐渐减少类固醇的剂量,医生必须手动计算剂量,在系统界面点击20到40次。系统可用性引起的问题导致了剂量错误等不良事件,带来的职业倦怠也正在增加。此外,患者信息在医疗机构之间仍然不畅通。虽然互联互通是目标,信息孤岛却是现实。

数字化病历数据的潜力与缺陷

尽管EHR存在诸多弊端,但相对于纸质病历,大多数医生都认为有了很大的改进。尤其是随着AI的发展,一些医生与数据科学家指出EHR有提高临床效果与效率的潜力,因为数字化的患者数据可成为建立AI预测模型的基础,并可以使用AI对其进行分析,从而帮助EHR克服现有的应用挑战,实现医疗领域新的变革。

这种应用潜力不仅在未来,当下已经释放。比如AI融入临床工作流程的辅助诊疗、疾病预测、质量控制等。为了解决医生的数据输入倦怠,具备语音识别功能的AI还被开发用于医生接诊时患者病历的自动输入。AI与电子病历正往互惠互利、互相依存的关系发展,在不久的未来,或出现一种融合两者功能、界面设计友好的全新EHR,其将不限于病历数字化。

然而,新事物的发展总不会太顺利,建立与实现AI模型的目标价值可能比想象中复杂。EHR的数据多样异构、非标准化,不能直接输入算法中。比如,一家AI企业计划开发一个帮助ICU患者避免低血糖的AI模型。这听起来简单。但血糖有不同的测量方法,胰岛素也有不同的给药途径。因此,当这家AI企业到合作医院采集相关患者数据时,发现EHR系统中有上万种不同的记录方式,需要手动对这些数据进行分类与聚类。

病历数据就像原油,只有精炼才有用。

AI提升病历数据质量

病历数据反映医疗活动的全过程,在“精炼”前,首先要确保其准确性、完整性。由于EHR可用性差、医生欠缺责任感等原因,病历内容填写随意性、不规范性、错填、漏填的问题突出,降低了数据的准确性与可靠性,使AI模型丢失有价值的信息。

病历内容缺陷影响了AI模型的训练与优化,但AI本身可以为这种数据质量缺陷提供解决方案。一种新开发的AI,可以在医生书写病历过程中,通过完整性校验、逻辑性校验等规则审核病历质量,发现缺陷内容实时提醒医生纠正,从源头提升病历数据质量。比如,AI系统发现患者病程记录既往史中有磺胺类药物过敏史的文字描述,提示医生应在病案首页明确过敏药物填写。

病历数据质量的提升不仅能为算法输入有价值的信息,也为医院管理决策与国家医疗卫生决策提供可靠的数据,真正的起到提高医疗质量的作用。

参考文献:https://www.nature.com/articles/d41586-019-03848-y

成为我们的合作伙伴

信息提交
姓      名
所在地区
单位名称
手  机  号

提交

感谢您的关注,我们会尽快与您取得联系!