瑞金朱立峰:基于数据大脑的CDSS支撑全面智慧医院发展模式

2021-7-21

今年4月,上海交通大学医学院附属瑞金医院基于阶段性应用成果,正式发布联合惠每科技共建的“医院数据大脑”,并希望借助数据大脑,建立全息、全程的医院质控管理体系。

在“智慧医院评价系列标准宣贯解读会”上,瑞金医院计算机中心副主任朱立峰表示,“数据大脑”的核心是将医院沉淀的数据,经过集中整合、标准化处理后,向全院开放数据服务,《让医院的数据能真正“用起来”》。他还分享了参与构建数据大脑的经验,并详细介绍了数据大脑在支撑服务临床、管理、患者的全面智慧医院发展方面的各项应用实践。

01面向临床专科,通过诊疗质量控制,减少医疗风险

知识推送与医生诊间教育 即临床建议型应用,比如在电子病历(医生工作站)中嵌入CDSS,和医生形成交互,给予临床医生疑似常见诊断、文献参考等帮助。

同时,数据大脑还集成了各类知识库,为临床尤其是低年资、进修、实习医生提供警示、质控提示等帮助。比如根据年龄、性别、诊断等进行检验、检查、手术合理性提示;根据患者诊断、检验结果推荐后续检查、治疗方案等。

以病种为核心的全过程诊疗路径质控 其内涵是以国家单病种质控要求为核心依据,加强诊疗过程事中管理。

具体流程为:制定单病种质量监测指标;依据规范质控路径实时核查临床诊疗质量;指标数据提取与反馈。简言之,数据大脑会将采集到的临床数据进行解构,提供事中提醒、终末统计的能力。

临床诊疗风险预警与管理 对各类风险的预警覆盖全部在院患者,通过跟踪入院到出院全程诊疗数据,进行风险判定和医嘱质控。

目前瑞金医院已经建立了基于病种的多风险预测模型,包括脓毒症风险预测、房颤患者卒中风险预测、VTE风险预测等,将预测模型嵌入电子病历、电子医嘱,通过卡控等手段来警示和提醒临床医生注意医疗质量,并通过推荐治疗方案、形成电子医嘱,来完成治疗处理闭环。

朱立峰介绍,以VTE防治为例,过去病历中的VTE相关评估需要花费大量时间,也存在错评、漏评的情况。VTE智能防治系统上线后,能根据实时采集的病史、医嘱、检验检查等各项数据给患者评分,当风险评估结果与人工打分不一致时,系统会引导医生做相关对比,并利用系统溯源功能,为医生提供病历原文、文献资料,告诉医生系统评分的依据。同时,系统还会对高危患者智能推荐药物、物理治疗项目,并自动生成医嘱。

“医院应用数据大脑改善了医生行为,提高了临床诊疗规范性,也改善了患者结局。”朱立峰介绍,医院开展的一项临床回顾性研究,对应用AI-CDSS降低医院相关性VTE发生率的有效性进行验证。研究成果已发表在《转化医学年鉴》(ATM)杂志。从研究可以看出,应用AI-CDSS后,瑞金医院的院内药物抗凝率上升14.57%,院内VTE发生率下降19.35%。

02面向医务管理,通过智能质控,满足国家监管要求,提高管理质效

除了面向临床提升诊疗质量,减少医疗风险外,数据大脑同样能帮助医院质控工作者提升管理质量与效率。

重塑单病种管理流程和能力  

目前国家要求51个单病种数据上报,涉及7000+数据填报项。使用单病种质控/上报系统能对患者在院各项数据自动抓取、填写,临床只需一键上报国家平台。

经过“前期相关数据分析,使用系统后只需花费原来1/10的时间,就能完成数据上报,目前已覆盖院内92%患者,自动上报万余病例,且100%审核通过。”朱立峰说,单病种质控系统能帮助医生填写大部分数据项,减轻临床工作压力。

重构病案/运行病历质量管控流程

过去医院对病历主要采取人工抽检审核,抽样率仅5%,且参与审核的专家少,只覆盖少量运行病历。采用病案首页/病历质控系统辅助审核后,实现了病历边书写、边质控,100%全覆盖。当识别出内涵质控点错误时,会提醒医生事中修改;疑似问题病历,则会挑选出来提交上级医生/病案室进行人工审核。

促进医院运营向质量与费用双控制转变

当前医保控费与医院绩效考核挂钩,有了前述单病种质控、病案首页质控、运行病历质控等一系列措施的保障,数据大脑的另一项重要应用正是基于DRG和DIP支付模式,帮助临床医生准确填写病案,正确入组。

此外,数据大脑还能通过多维指标统计分析进行,掌握(医院、科室、医生)绩效/收支情况,实现精细化绩效管理,促进医院达到成本绩效管理和医疗服务能力提升的平衡。

03面向未来发展,将数据大脑应用由院内向一体多院区和医联体领域拓展

分享完数据大脑的各项具体应用情况后,朱立峰也对其未来的发展和应用提出了一些思考:

首先,数据大脑最重要的特点是数据的开放性。朱立峰希望,未来能依托数据大脑的开放数据,构建医院“全景管理舱”。而数据大脑未来的应用方向与价值也将集中在“国考”指标管理、科研数据提取、多维度查询与数据提取以及各类“边界消失”的多业务指标监测。

其次,除了在院内管控领域更深入应用,还应当思考如何拓展数据大脑在“一体多院区”、医联体等领域的应用,通过对多院区、医联体的数据整合治理,为分级诊疗提供支撑。

第三,怎样做好相关数据标注和医学自然语言处理。医学大数据可用性差,存在海量、高维度、低密度、不规范等问题,因此信息技术应用于临床首先需要解决的就是医学自然语言问题,要让机器读懂、读准数据的意义。通过标准术语库汇、分词库模型,将数据存储为符合标准的结构化数据才能更好地应用于临床决策,这也是数据大脑未来需要做得更好的地方。

第四,知识迭代与临床推理问题。医疗是发展的过程,知识库也非静止和一成不变的,它来源于权威指南文献、专业教材、真实病历数据等的理论和实践知识,也要结合人工专家标注方式不断迭代、验证,以增强辅助决策效能。

第五,需要重视数据的统计和利用。力求多维度、可视化地统计和管理数据,展示业务能力和业务效果,以及可改进方向,让医院管理有据可循。

第六,重视知识溯源。朱立峰表示,很多时候AI就像一个黑盒子,但在医疗领域应用时,需要向临床展示其可解释性,要让医生明确了解为什么会得出相应结论。重视知识溯源有利于推进整个CDSS系统的研发与应用。

本文根据朱立峰主任在“智慧医院评价系列标准宣贯解读会”上的讲话内容整理

成为我们的

合作伙伴

医院演示预约
提交以下真实信息,我们将在一个工作日内联系您
*姓名
*部门
*医院名称
*手机号

即刻预约