人工智能下的電子病歷數(shù)據(jù)質(zhì)量控制

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了人工智能下的電子病歷數(shù)據(jù)質(zhì)量控制范文，希望能給你帶來靈感和參考，敬請閱讀。

［摘要］目的探索科學(xué)、有效的電子病歷數(shù)據(jù)質(zhì)控方法，提高數(shù)據(jù)質(zhì)量。方法針對國內(nèi)對電子病歷數(shù)據(jù)質(zhì)量控制的定量研究較薄弱的現(xiàn)狀，聯(lián)合利用人工智能技術(shù)及統(tǒng)計學(xué)方法，對結(jié)構(gòu)化及非結(jié)構(gòu)化診療數(shù)據(jù)分別建立相應(yīng)的質(zhì)控方法與技術(shù)。結(jié)果通過多維數(shù)據(jù)質(zhì)量定量評估、醫(yī)療文本數(shù)據(jù)后結(jié)構(gòu)化，結(jié)合自然語言處理技術(shù)、規(guī)范化模型進行數(shù)據(jù)清理，并結(jié)合病歷內(nèi)涵質(zhì)控系統(tǒng)的應(yīng)用，可有效提高電子病歷數(shù)據(jù)質(zhì)量。結(jié)論完善的數(shù)據(jù)質(zhì)控方法與技術(shù)，不僅能使數(shù)據(jù)問題早評估、早發(fā)現(xiàn)，也能為醫(yī)療健康大數(shù)據(jù)的后續(xù)分析利用提供支撐。

［關(guān)鍵詞］人工智能;統(tǒng)計學(xué)方法;醫(yī)療數(shù)據(jù);質(zhì)控;數(shù)據(jù)清洗

隨著我國醫(yī)院信息化建設(shè)的不斷發(fā)展和完善，醫(yī)療衛(wèi)生數(shù)據(jù)進入大數(shù)據(jù)時代。電子病歷作為醫(yī)療信息的主要載體，在醫(yī)療數(shù)據(jù)中占據(jù)著重要地位。其記錄患者從入院到出院的疾病發(fā)生、發(fā)展和轉(zhuǎn)歸的全過程，為醫(yī)療管理及臨床研究等提供豐富的信息［1］。2018年，國家衛(wèi)健委《關(guān)于進一步推進以電子病歷為核心的醫(yī)療機構(gòu)信息化建設(shè)工作的通知》［2］，指出要充分發(fā)揮電子病歷信息化作用，促進醫(yī)療管理水平提高和智慧醫(yī)院發(fā)展，對電子病歷數(shù)據(jù)質(zhì)量提出更高的要求。而實際工作中，電子病歷數(shù)據(jù)卻因各種原因存在著錯誤、無效、不完整、不一致、異構(gòu)等問題［3］，相應(yīng)的質(zhì)量定量評估及治理措施又相對匱乏，嚴(yán)重影響其在醫(yī)療管理和臨床科研中的二次利用和有效挖掘。本研究聯(lián)合人工智能技術(shù)(ArtificialIntelligence，AI)和統(tǒng)計學(xué)方法(statisticalmethods)，針對電子病歷中兩種主要的數(shù)據(jù)類型，即結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，分別探索不同的質(zhì)控方法和技術(shù)，以期為建立符合循證決策或科學(xué)研究要求的高質(zhì)量數(shù)據(jù)庫提供參考。

1結(jié)構(gòu)化電子病歷數(shù)據(jù)質(zhì)控方法

結(jié)構(gòu)化數(shù)據(jù)往往在采集時設(shè)置一定的質(zhì)控條件，如病案首頁數(shù)據(jù)、檢查檢驗數(shù)據(jù)等，質(zhì)量相對較好，可以采用評估數(shù)據(jù)質(zhì)量、查找定位問題數(shù)據(jù)來進行數(shù)據(jù)清洗的思路，從而獲得可用數(shù)據(jù)。

1．1多維數(shù)據(jù)質(zhì)量評估方法

針對結(jié)構(gòu)化數(shù)據(jù)，筆者已在前期研究中從數(shù)據(jù)的完整性、規(guī)范性、邏輯性及準(zhǔn)確性等方面，構(gòu)建多維數(shù)據(jù)質(zhì)量評價指標(biāo)體系［4］。其中，完整性是指關(guān)鍵指標(biāo)的數(shù)據(jù)是否填全，評估內(nèi)容包括個人信息核心字段缺失情況、首次病程記錄重要字段采集情況等。如果某項必填指標(biāo)，如性別，未填寫則被認為缺失，數(shù)據(jù)不完整。規(guī)范性是指數(shù)據(jù)是否按規(guī)定的賦值字典填寫，如病案首頁的賦值字典中規(guī)定“入院時情況”為“1．危、2．急、3．一般”，但實際填寫中出現(xiàn)除了1～3以外的阿拉伯?dāng)?shù)字，或者其他文字、字符，則為填寫不規(guī)范。邏輯性是指關(guān)聯(lián)數(shù)據(jù)間的邏輯關(guān)系是否正確，包括邏輯缺失與邏輯錯誤等，如主訴與現(xiàn)病史中對同一癥狀的時間描述不一致。準(zhǔn)確性是指數(shù)據(jù)是否真實可靠，需溯源核查，但可通過指標(biāo)的極端值輔助判斷，例如人口學(xué)指標(biāo)、生活習(xí)慣描述等應(yīng)在合理取值范圍，根據(jù)不同指標(biāo)的實際意義進行判斷，如身高過高或過低、妊娠年齡過小、日吸煙支數(shù)、日飲酒量過高等均被作為疑似值識別出來，進行后續(xù)核查、清洗。

1．2數(shù)據(jù)清洗

根據(jù)質(zhì)量評估結(jié)果，定位問題數(shù)據(jù)后，可針對不同的數(shù)據(jù)問題制定不同的清洗策略，以控制數(shù)據(jù)質(zhì)量。如數(shù)據(jù)缺失、異常或邏輯矛盾等，可采用自然語言處理(NaturalLanguageProcessing，NLP)技術(shù)，對電子病歷中的醫(yī)療文本數(shù)據(jù)進行語義分析及提取，從中獲取缺失數(shù)據(jù)可能的填補值，核對變量的邏輯性與準(zhǔn)確性，并對關(guān)鍵變量進行標(biāo)準(zhǔn)化處理，如入院時情況、輸血標(biāo)志等信息;對無法填補與校正的數(shù)據(jù)，予以標(biāo)記。如果是多次記錄的檢查檢驗縱向數(shù)據(jù)中某次記錄值缺失，也可以根據(jù)缺失機制和比例，采用統(tǒng)計學(xué)方法進行填補［5］，如多重填補法(MultipleImputation，MI)。

1．3應(yīng)用案例

針對結(jié)構(gòu)化數(shù)據(jù)的多維數(shù)據(jù)質(zhì)量評價方法已用于某三甲醫(yī)院23萬余名出院患者的病案首頁結(jié)構(gòu)化數(shù)據(jù)質(zhì)量評估，發(fā)現(xiàn)該院病案首頁數(shù)據(jù)的完整性與邏輯性較好，完整率與邏輯吻合率均在99%以上;規(guī)范性有待提高，符合規(guī)范率在86%左右。且通過自動化程序，可準(zhǔn)確識別與定位問題數(shù)據(jù)，為數(shù)據(jù)清洗奠定基礎(chǔ)。通過這一前期應(yīng)用，反映出多維數(shù)據(jù)質(zhì)量評估方法可以快速、高效地發(fā)現(xiàn)病案首頁數(shù)據(jù)的質(zhì)量問題，便于數(shù)據(jù)質(zhì)量的定量監(jiān)測［4］。

2非結(jié)構(gòu)化電子病歷數(shù)據(jù)質(zhì)控方法

電子病歷中超過80%的數(shù)據(jù)都是非結(jié)構(gòu)化數(shù)據(jù)，給數(shù)據(jù)的處理、利用帶來一定障礙。因此，針對這部分數(shù)據(jù)，須先通過自然語言處理技術(shù)進行后結(jié)構(gòu)化處理，在此基礎(chǔ)上再進行數(shù)據(jù)清洗，控制數(shù)據(jù)質(zhì)量。

2．1利用多層級自然語言處理技術(shù)進行文本數(shù)據(jù)后結(jié)構(gòu)化

自然語言處理是實現(xiàn)電子病歷文本數(shù)據(jù)后結(jié)構(gòu)化的最佳途徑。通過將文本信息進行分詞、整合、提取、標(biāo)準(zhǔn)化等，將其轉(zhuǎn)化成計算機可理解、分析的信息，實現(xiàn)數(shù)據(jù)的機器可讀性。為得到更加準(zhǔn)確、豐富的后結(jié)構(gòu)化數(shù)據(jù)結(jié)果，采用一種多層級自然語言處理技術(shù)，即根據(jù)不同的文書類型(主訴、現(xiàn)病史等)分別建立符合其內(nèi)容特點及上下文語義關(guān)聯(lián)的數(shù)據(jù)抽取模型，避免數(shù)據(jù)遺漏和信息抽取錯誤。通過對原始數(shù)據(jù)的解析，識別出文本中實體、屬性和關(guān)系等信息，最終轉(zhuǎn)換成極細顆粒度的后結(jié)構(gòu)化數(shù)據(jù)［6］。

2．2數(shù)據(jù)清洗

針對醫(yī)學(xué)術(shù)語與臨床癥狀表述的多樣性，以及不同信息系統(tǒng)中疾病、指標(biāo)、治療等術(shù)語表達不一致的問題［6］，通過分類回歸樹(ClassificationRe-gressionTree，CRT)、支持向量機(SupportVectorMa-chine，SVM)等分類算法，以ICD－10、ICD－9－CM3等行業(yè)標(biāo)準(zhǔn)及權(quán)威教材用詞為基礎(chǔ)，通過標(biāo)準(zhǔn)化的數(shù)據(jù)清洗流程將日常診療過程中的醫(yī)學(xué)自然語言進行規(guī)范化及標(biāo)準(zhǔn)化，完成多樣化數(shù)據(jù)向標(biāo)準(zhǔn)化、規(guī)范化數(shù)據(jù)的轉(zhuǎn)換，以便對醫(yī)學(xué)用語的規(guī)范性進行評價，并對關(guān)鍵信息進行匹配、對比、分析。

2．3數(shù)據(jù)質(zhì)控系統(tǒng)構(gòu)建

上述步驟在流程上都屬于對已采集數(shù)據(jù)的事后處理，為了在采集源頭進行質(zhì)量控制，建立內(nèi)涵質(zhì)控體系，通過病歷生成過程中對其內(nèi)容的自動核查與控制，實現(xiàn)在數(shù)據(jù)采集源頭對質(zhì)量進行把控的目標(biāo)。主要功能包括醫(yī)療文本結(jié)構(gòu)化、病案質(zhì)量評價、病案質(zhì)量分析。

2．3．1醫(yī)療文本結(jié)構(gòu)化對電子病歷文本數(shù)據(jù)進行結(jié)構(gòu)化提取，包括有效信息之間的關(guān)聯(lián)等。首先，根據(jù)病歷書寫基本規(guī)范和專業(yè)醫(yī)學(xué)知識，對病歷各節(jié)點內(nèi)容進行建模，如“入院記錄－主訴”，模型框架為癥狀、體征、疾病、檢查、手術(shù)等。根據(jù)建好的模型，結(jié)合自然語言分詞和語義分析技術(shù)，完成對病歷文本的后結(jié)構(gòu)化處理［7］。

2．3．2病案質(zhì)量評價針對每份住院病案進行質(zhì)量評價，詳細報告缺陷內(nèi)容，幫助醫(yī)務(wù)人員快速定位病案書寫錯誤并修正，從而保證病案質(zhì)控的可追溯性及精細化管理。系統(tǒng)在對病歷文本內(nèi)容進行后結(jié)構(gòu)化的基礎(chǔ)上，根據(jù)國家統(tǒng)一標(biāo)準(zhǔn)規(guī)范對質(zhì)控問題進行分類，如病歷是否完整、前后數(shù)據(jù)是否一致、是否依據(jù)患者診治過程書寫等，形成智能質(zhì)控規(guī)則庫，并通過在醫(yī)生端、環(huán)節(jié)質(zhì)控及終末質(zhì)控環(huán)節(jié)，設(shè)置對病歷文書的自動監(jiān)控、提醒和實時反饋功能，實現(xiàn)對病歷質(zhì)量的有效監(jiān)控。

2．3．3病案質(zhì)量分析針對科室及全院的病案質(zhì)量問題，通過橫向、縱向?qū)Ρ确治?，以及可視化的統(tǒng)計圖加以展現(xiàn)，為病歷質(zhì)量管理部門提供及時正確的決策依據(jù)，輔助其準(zhǔn)確定位問題、制定改進措施，提高對病歷質(zhì)量管理的水平及效力。

2．4應(yīng)用案例

非結(jié)構(gòu)化電子病歷數(shù)據(jù)質(zhì)控方法目前正在某三甲醫(yī)院進行測試評價，內(nèi)容包含入院記錄、出院記錄、病程記錄、手術(shù)記錄、護理記錄等。質(zhì)控前，該院病歷能夠按照時限、頻次、完整度的規(guī)范要求書寫，但存在病歷無內(nèi)涵、書寫自由、病歷反映患者病情變化、診療過程等核心價值有待提高等問題。而通過前置在病歷書寫界面的自動化質(zhì)控程序，能夠準(zhǔn)確識別雷同病歷、內(nèi)容前后不符、時間不符合邏輯順序等問題。借助醫(yī)學(xué)知識圖譜，根據(jù)病歷所記錄的患者體征、癥狀、檢查、檢驗等文本信息，還可以進一步發(fā)現(xiàn)記錄的體征與診斷有沖突，疾病無對應(yīng)的檢查結(jié)果，疾病對應(yīng)的診療方案未記錄等問題。測試結(jié)果顯示，質(zhì)控技術(shù)的應(yīng)用可以有效改進常見的病歷質(zhì)量問題，提升病歷內(nèi)涵質(zhì)量;后續(xù)將通過更為豐富的質(zhì)控規(guī)則設(shè)置，擴大病歷內(nèi)涵質(zhì)量控制的范圍。

3展望

目前，國家正在大力推進醫(yī)療大數(shù)據(jù)的發(fā)展與應(yīng)用，很多醫(yī)院已將醫(yī)療大數(shù)據(jù)治理及其效果評價作為醫(yī)院建設(shè)與發(fā)展的主要工作之一［8－9］。電子病歷數(shù)據(jù)作為醫(yī)療大數(shù)據(jù)的重要組成部分，其建設(shè)質(zhì)量不僅影響到醫(yī)療大數(shù)據(jù)治理的整體效果，還可能影響到醫(yī)療質(zhì)量管理、開展真實世界醫(yī)學(xué)研究的可行性與科學(xué)性。缺乏高質(zhì)量的醫(yī)療數(shù)據(jù)，再先進的人工智能和數(shù)據(jù)挖掘算法也會無的放矢。本文提出可用于電子病歷質(zhì)控的人工智能和統(tǒng)計學(xué)聯(lián)合方法與技術(shù)，有助于提高電子病歷數(shù)據(jù)質(zhì)量控制的效率和水平，對于其他醫(yī)療信息數(shù)據(jù)的質(zhì)控也具有一定參考價值。在“以數(shù)為證、循數(shù)決策”的數(shù)據(jù)文明時代，各級醫(yī)療機構(gòu)和醫(yī)療管理部門都應(yīng)建立起有效的數(shù)據(jù)質(zhì)控體系，開展醫(yī)療數(shù)據(jù)質(zhì)量評估與治理，方能促進醫(yī)療大數(shù)據(jù)發(fā)揮其應(yīng)有的價值。

【參考文獻】

［1］國家衛(wèi)生健康委員會．關(guān)于進一步推進以電子病歷為核心的醫(yī)療機構(gòu)信息化建設(shè)工作的通知［EB/OL］．

［3］李萍．醫(yī)療數(shù)據(jù)質(zhì)量的問題探索和解決模式［J］．計算機應(yīng)用與軟件，2013(8):217－219．

［4］吳騁，秦嬰逸，肖翔，等．病案首頁數(shù)據(jù)質(zhì)量的量化評估方法研究及應(yīng)用［J］．中國病案，2016，17(3):10－13．

［5］孫振球，徐勇勇．醫(yī)學(xué)統(tǒng)計學(xué)(第4版)［M］．北京:人民衛(wèi)生出版社，2015:610－612．

［6］杜小勇，陳躍國，范舉，等．?dāng)?shù)據(jù)整理:大數(shù)據(jù)治理的關(guān)鍵技術(shù)［J］．大數(shù)據(jù)，2019，5(3):13－22．

［7］林琳，王韜，鄧超穎．智能化病歷內(nèi)涵質(zhì)控平臺設(shè)計及應(yīng)用［J］．中國數(shù)字醫(yī)學(xué)，2019，14(11):48－50，112．

［8］傅昊陽，徐飛龍，范美玉．論醫(yī)院健康醫(yī)療大數(shù)據(jù)治理及體系構(gòu)建［J］．中國中醫(yī)藥圖書情報雜志，2019，43(3):1－5．

［9］謝剛，李月云，孫玉軍．多科性醫(yī)院大數(shù)據(jù)治理能力評價指標(biāo)體系研究［J］．衛(wèi)生經(jīng)濟研究，2020，37(2):56－58．

作者：吳騁 王志勇 徐蕾 周全 單位：海軍軍醫(yī)大學(xué)衛(wèi)生勤務(wù)學(xué)系