薛芹，陳柯

[摘 要]如何幫助醫(yī)生提前了解患者的病情，優(yōu)化患者的就醫(yī)流程，是醫(yī)院管理的一項(xiàng)重要任務(wù)。智能預(yù)問診系統(tǒng)是人工智能技術(shù)在診前問診領(lǐng)域的應(yīng)用，本文闡述了基于微信公眾號(hào)的智能預(yù)問診系統(tǒng)，主要從易于理解的技術(shù)層面和實(shí)際的使用流程來介紹該系統(tǒng)，并認(rèn)為應(yīng)用該系統(tǒng)能夠有效解決患者就診效率低的問題。

[關(guān)鍵詞]預(yù)問診系統(tǒng)；電子病歷；智能問診模型；微信公眾號(hào)

doi：10.3969/j.issn.1673 - 0194.2018.08.062

[中圖分類號(hào)]TP311.52 [文獻(xiàn)標(biāo)識(shí)碼]A [文章編號(hào)]1673-0194（2018）08-0-02

0 引 言

在患者就診的過程中，現(xiàn)存的一個(gè)大問題就是醫(yī)生的接診時(shí)間短，一方面是因?yàn)榫驮\患者多，另一方面是在有限的接診時(shí)間內(nèi)，醫(yī)生還要花費(fèi)一部分時(shí)間來書寫病歷。接診時(shí)間短會(huì)造成醫(yī)患溝通不充分、病情了解不全面，進(jìn)一步會(huì)造成患者看病難、就醫(yī)體驗(yàn)不好、時(shí)間利用率低等問題。預(yù)問診的出現(xiàn)，就是從患者和醫(yī)生雙方的角度去優(yōu)化就醫(yī)流程。預(yù)問診的核心是診前問診，目的就是在正式就診前采集患者的患病信息。這樣做一方面能夠有效利用患者的診前時(shí)間，另一方面能夠降低醫(yī)生了解患者病情的成本，讓醫(yī)生更加專注于診斷和治療。

一般的預(yù)問診系統(tǒng)只能夠起到了解基本病情的作用，本文介紹的智能預(yù)問診系統(tǒng)是建立在人工智能技術(shù)上的預(yù)問診系統(tǒng)，對接了醫(yī)院的電子病歷系統(tǒng)，是更加高效的預(yù)問診系統(tǒng)，接下來本文會(huì)做詳細(xì)的介紹。

1 智能預(yù)問診系統(tǒng)的建設(shè)背景

隨著互聯(lián)網(wǎng)醫(yī)療的發(fā)展，電子病歷正日益扮演著重要的角色，所以如何快速準(zhǔn)確地記錄電子病歷，是提高現(xiàn)代醫(yī)療效率的關(guān)鍵。在診療之外，醫(yī)生可以采用多種醫(yī)療服務(wù)手段，比如遠(yuǎn)程醫(yī)療和移動(dòng)醫(yī)療。目前，隨著智能手機(jī)的不斷普及，通過便捷的智能醫(yī)療服務(wù)，醫(yī)生可以較好地掌握患者的病情并提早進(jìn)行干預(yù)。醫(yī)生可以在患者就診前定制問診服務(wù)，允許患者將自己的健康狀況和相關(guān)的病情數(shù)據(jù)添加到病歷中，這樣醫(yī)生能更準(zhǔn)確地做出判斷，這就需要診前問診和電子病歷相結(jié)合。

預(yù)問診系統(tǒng)就是實(shí)現(xiàn)診前問診和電子病歷的結(jié)合。一般的預(yù)問診系統(tǒng)采用固定問卷式的方法采集信息，設(shè)置的題目千篇一律，非常不靈活，患者只能生硬地回答預(yù)設(shè)好的問題，有些問題甚至與患者的病情毫不相關(guān)。考慮到每個(gè)患者的具體情況不同，本文介紹的智能預(yù)問診系統(tǒng)的優(yōu)勢在于采用了智能問診模型，該模型能夠模擬醫(yī)生問診，根據(jù)患者的年齡、性別、主要不適等不同特征生成不同的問題，并通過引導(dǎo)的方式全面采集患者的患病信息，包括患者的主訴癥狀，發(fā)作時(shí)長、部位、頻率和誘因等，是否有伴隨癥狀，還有既往史、過敏史、家族史、近期用藥和檢查情況等信息。

2 智能預(yù)問診系統(tǒng)的應(yīng)用方案

筆者所在單位采用的解決方案是將智能預(yù)問診系統(tǒng)嵌入微信公眾號(hào)中，因?yàn)楝F(xiàn)在微信公眾號(hào)的使用相當(dāng)便捷和廣泛。患者關(guān)注微信公眾號(hào)后，可以進(jìn)行診前問診，即在微信公眾平臺(tái)預(yù)約掛號(hào)后可以填寫診前問診的信息。當(dāng)患者來醫(yī)院就診的時(shí)候，這些病情信息會(huì)在醫(yī)生接診患者后加載到門診電子病歷中供醫(yī)生查看、編輯。

本系統(tǒng)的診前問診利用微信公眾號(hào)讓患者完成病情的初步問詢，獲取患者的病情數(shù)據(jù)，隨后移動(dòng)端調(diào)用系統(tǒng)的Web Service里面提供的方法，完成數(shù)據(jù)的傳遞，將患者病情的數(shù)據(jù)存入醫(yī)院服務(wù)器的數(shù)據(jù)庫中。具體方案如圖1所示。

3 關(guān)鍵技術(shù)

3.1 搭建醫(yī)療知識(shí)圖譜

大量的醫(yī)學(xué)文獻(xiàn)、書籍和電子病歷中的醫(yī)療信息都是非結(jié)構(gòu)化的數(shù)據(jù)，將這些數(shù)據(jù)進(jìn)行結(jié)構(gòu)化處理。信息覆蓋性別、年齡、體征、疾病、癥狀、發(fā)作時(shí)長、發(fā)作部位、發(fā)作頻率、伴隨癥狀、疾病誘因、病史、用藥、檢查和科室等多種類別，然后將得到的結(jié)構(gòu)化數(shù)據(jù)用于搭建知識(shí)圖譜。

3.2 構(gòu)建智能問診模型

智能問診模型就是模仿醫(yī)生問診的流程，醫(yī)生問診會(huì)根據(jù)患者的具體情況詢問不同的問題，并且層層深入，最后得出結(jié)論。智能問診模型通過貝葉斯網(wǎng)絡(luò)決策模型和知識(shí)圖譜推理技術(shù)來模擬醫(yī)生問診，依據(jù)不同的狀態(tài)信息生成不同的問診問題，從而讓智能問診模型具備推理能力。

3.3 自然語言理解與生成

對于普通患者來講，醫(yī)學(xué)術(shù)語的門檻極高，醫(yī)生在接診過程中不會(huì)直接使用醫(yī)學(xué)術(shù)語跟患者交流。同樣的，智能預(yù)問診系統(tǒng)利用自然語言的理解與生成與患者進(jìn)行交互，通過學(xué)習(xí)現(xiàn)有醫(yī)患對話來訓(xùn)練語義理解模型，達(dá)到將患者語言與醫(yī)學(xué)術(shù)語轉(zhuǎn)換的目的，從而生成問題與規(guī)范的病歷報(bào)告。

4 智能預(yù)問診系統(tǒng)的使用流程

系統(tǒng)詢問患者的年齡、性別，然后根據(jù)患者當(dāng)前掛號(hào)科室推薦常見癥狀，患者還可以自行輸入其他一些癥狀，系統(tǒng)會(huì)自動(dòng)把患者輸入的信息轉(zhuǎn)化為標(biāo)準(zhǔn)的醫(yī)學(xué)術(shù)語，如圖2所示。

系統(tǒng)詢問患者的詳細(xì)情況，包括發(fā)作時(shí)長、發(fā)作部位、發(fā)作頻率和誘因等，并根據(jù)患者已有的癥狀，詢問相關(guān)的伴隨癥狀。同時(shí)，系統(tǒng)還會(huì)詢問患者當(dāng)前的用藥和其他治療情況以及效果。如圖3所示。

系統(tǒng)還會(huì)詢問患者的既往病史和過敏史，根據(jù)問診內(nèi)容自動(dòng)生成病歷。如圖4所示。

5 結(jié) 語

智能預(yù)問題系統(tǒng)已在筆者所在單位的門診運(yùn)行了6個(gè)月，整體效果良好。相關(guān)統(tǒng)計(jì)數(shù)據(jù)顯示，筆者所在單位的官方微信公眾號(hào)關(guān)注人數(shù)增加近3萬人，智能預(yù)問題系統(tǒng)日均使用人數(shù)近千人，每位醫(yī)生的接診人數(shù)日均增加20人，門診滿意度同步提升3%。針對醫(yī)學(xué)的復(fù)雜性及嚴(yán)謹(jǐn)性，利用智能問診模型對患者進(jìn)行問診，根據(jù)患者回答內(nèi)容的不同，然后生成針對性的問題，從而能使生成的病歷更專業(yè)、嚴(yán)謹(jǐn)、詳細(xì)，不但能夠節(jié)省醫(yī)生書寫病歷的時(shí)間，而且對醫(yī)生進(jìn)行診療更具意義。筆者所在單位通過應(yīng)用該系統(tǒng)，切實(shí)優(yōu)化了門診就診流程，提高門診醫(yī)生的診療效率，提高了患者的滿意度。該系統(tǒng)在此基礎(chǔ)上將繼續(xù)優(yōu)化其他功能。

主要參考文獻(xiàn)

[1]馬錫坤，楊國斌，于京杰.國內(nèi)電子病歷發(fā)展與應(yīng)用現(xiàn)狀分析[J].計(jì)算機(jī)應(yīng)用與軟件，2015（1）.

[2]劉嶠，李楊，段宏，劉瑤，秦志光.知識(shí)圖譜構(gòu)建技術(shù)綜述[J].計(jì)算機(jī)研究與發(fā)展，2016（3）.

[3]張少中.基于貝葉斯網(wǎng)絡(luò)的知識(shí)發(fā)現(xiàn)與決策應(yīng)用研究[D].大連：大連理工大學(xué)，2003.

[4]奚雪峰，周國棟.面向自然語言處理的深度學(xué)習(xí)研究[J].自動(dòng)化學(xué)報(bào)，2016（10）.