人工智能可以“修复”病历数据吗？

2020-2-28 关键词：医疗AI,病历质控

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