当前位置： AI资讯 > 内文

医学知识库的建设，是医院信息系统的核心工作之一

2022-11-17 关键词：医学知识库

医学知识库是从书籍教材、指南文献、医学科研等渠道中抽取科学知识，同时对医生的临床经验进行归纳总结，编码成计算机可以利用的形式，执行辅助诊断、决策支持和临床管理等功能。

从海量数据中发现有价值的信息，是医学知识库区别于一般数据库最突出的特征。在人工智能技术飞速发展的今天，将AI与数据库有机结合的知识库的应用与未来，被行业赋予了更多的期待。

临床需求催化医学知识库发展，内容结构化与分类是重心

传统的医学知识库主要是作为“电子词典”或“电子文献库”的文献知识库，供临床医务人员检索，为临床诊疗和研究服务。然而，此类文献知识库缺乏自主深度学习和知识更新的能力，其知识复用率和共享程度不高，无法提供长期、动态、全面的知识源给临床医生和科研人员，也很难满足复杂临床问题的处理，无法对临床的真实数据提供实时联机决策支持。这使得传统的医学知识库的服务能力与临床业务、医疗管理的需求存在很大的差距。

随着人工智能技术与医学自身的飞速发展，临床对知识库的要求不再局限于对文献的查询与检索，对具有知识推理与知识发现能力的专科专病知识库的需求越来越大。医学知识库的发展，也由最初的集成检索，逐渐向智能知识发现的高级阶段过渡。因此，在今后的医疗知识体系中，提升医学知识库的标准程度与量级，是未来医学知识库建设的一个重要前提和发展方向。

医生希望临床诊断记录、症状及体征记录、个人信息都能通过医学知识库抽象为分类方法，完善和统一术语，利用医学知识库更方便地做临床记录和查询。

医疗行业各种业务流程间的逻辑关系，基本等同于人工流程，缺乏合理性和通用性抽象工作。对于格式的苛求是业务流程的弊端，占用了医务工作者大量的时间。

医学知识库首先是要完成对知识点的唯一编码并进行科学分类，形成结构化查询的索引基础，确保机读可行性。临床医学知识库的最基本概念数据模型是事件对象，用可扩展的二维表格为最基本的逻辑数据模型。知识点是构建医学知识库的最小粒度，知识点分为四类：术语、动作、模板、记录。

临床业务需求的实现，最终将转化为对医学知识库的日常使用和不断完善。最终目的是实现医疗商业智能，使用IT编程逻辑，显性表达、管理、挖掘知识，服务于临床业务开展与应用。

医学知识库的维护是临床决策支持系统构建的核心

医学知识库的维护从内容上可分为医学知识库基础知识维护和医学知识库规则维护两部分。临床医学知识包括药品、检验、检查、护理、手术等多个方面的内容，是与临床相关理论知识、事实数据、有专家经验总结得来的启发性知识以及常识性知识。

医学知识库基础知识的维护更多的可以给予临床医护人员在诊疗过程中提供参考，而医学知识库规则的维护是实现临床诊疗决策，提高医疗质量的关键。

通过合理用药规则，合理检验、合理检查规则等规则的维护，结合病人的电子病历，入院记录等业务信息可以通过临床决策支持系统由智能提示到绝对禁止不同程度的控制诊疗环节中医生的诊疗行为，实现有效规避药品使用，检验结果特异性等风险，有效减少过度检查，对于医院提升患者满意度以及提高医疗安全质量有着重要价值。规则维护在技术实现上也是临床决策支持系统的一大难点，需要在系统中内设通过大量逻辑判断，从而实现在任何场景下的正确提示。

基于医学知识库的临床决策支持系统，具有控制方式灵活、全面，规则维护方便、快捷，规则内容权威、可靠的特点。通过临床数据中心中知识库规则与病人诊疗数据的处理验证并反馈HIS系统实现整个诊疗环节的实施智能提示控制，很大程度上避免了医生因为疏忽造成的医疗事故，受到广大医院和临床医生的欢迎。