0
| 本文作者： AI掘金志 | 2019-05-19 18:39 |
“臨床大數據在經過后結構化等AI技術處理后，才能形成真正具有應用價值的標準化信息。”惠每科技CEO張奇向雷鋒網介紹到。
惠每科技擁有著深厚的自然語言處理與深度學習等AI技術儲備，其核心產品——臨床決策支持系統（CDSS）和單病種過程質量管理系統，在為臨床診療提供符合循證醫學證據的決策支持的同時，通過持續改進臨床過程質量進而影響結果質量，這便是張奇和團隊用了近四年時間打造的以提高臨床質量為核心的醫療人工智能解決方案——Dr. Mayson。
張奇曾在阿里巴巴工作5年，負責電商個性化推薦，根據消費者的行為數據，構建符合消費者偏好的推薦系統。他認為，個性化推薦與醫療決策支持有互通之處，即以用戶需求為核心。
“醫療是一個比較傳統又與性命攸關的行業。相比普通消費者用戶，在數據處理、算法模型訓練、應用場景上必須深挖臨床需求，以提升臨床質量為目的。我們希望利用技術手段給行業帶來更多增益的新東西。”張奇說道。
目前，惠每科技的CDSS已經應用于國內60余家大型公立醫院和數百家基層醫療機構，并助力6家醫院通過國家電子病歷應用水平分級評價六/五級，5家醫院通過互聯互通5級乙等評審，而這個數字還在隨著國家電子病歷應用標準普及不斷增加。
作為規范臨床診療行為、提升醫療質量的手段，CDSS自誕生以來就被臨床寄予厚望。從早年的專家知識庫驅動的CDSS，到今天AI驅動的CDSS，技術的發展、數據的積累等都在推動CDSS不斷向前。
知識庫是CDSS的重要組成部分，惠每科技在知識規則的構建上投入了大量的研發精力和成本。
一方面，惠每科技在公司內部，搭建了一個30人左右的醫療團隊，醫務人員主要負責兩部分工作：一是對病歷數據進行數據標注、處理，對指南進行拆解，保證臨床規則的準確性。
二是跟蹤新的疾病研究進展。
知識庫需要被不斷“訓練”。醫務人員平時需要跟蹤各類疾病的發展狀況，一旦有新的病種研究出來，他們需要解讀疾病新的治療措施，及時更新知識圖譜并將其更新到合作醫院系統。
另一方面，惠每科技和知名三甲醫院專家合作，制定符合臨床實際情況的診療路徑，支持醫生對一定專科路徑的定制和個性化。
運用NLP、深度學習等AI技術抽取國內指南、文獻、教材等包含的臨床邏輯，惠每形成包含3000多個病種、2萬多種疾病與癥狀關系、3萬多種藥品說明、55萬多對藥物沖突等的醫學知識圖譜，并推出臨床決策支持系統，可以在醫院門診、急診、住院環節實時輔助醫護人員優化診療方案。據國內核心期刊公開發表的數據顯示，其CDSS在特定數據集上的診斷準確率為93.6%，NLP最佳識別精確率為91.8%，
國內醫療機構應用CDSS的原因大致有三方面：一是提升醫療服務質量；二是國家對基層醫療發展的政策推動；三是醫療機構的信息化評級要求（電子病歷分級評價、互聯互通標準成熟度）。
自分級診療政策推進以來，外界對基層醫療服務要求越來越高，但基層醫療能力不足又是一個客觀事實；在公立三甲醫院，雖然專科醫生水平毋庸置疑，但優質醫生資源卻是供不應求，治療過程難免存在不規范問題。尤其在基層醫院，惠每CDSS全科版囊括2000余種常見疾病的鑒別診斷，通過詳細的癥狀提示，幫助基層醫生快速鑒別急危重癥及跨專科疾病，提高診斷水平，降低漏診、誤診機率。
同時，根據基層醫療特點，系統實現慢病從評估、用藥、隨訪的全程管理智能化，滿足基層醫生日常診療及健康管理需求。
在住院場景下，系統依據循證醫學證據和數據分析，在病房的臨床應用中為醫生、護士、醫技人員、科室管理者提供多維度智能決策支持。
門診/急診場景，系統如同“醫生助手”，在診療過程中，實時分析患者臨床表現及檢驗檢查結果，智能判斷患者疑似疾病，推薦評估表并自動計算分值及結果，制定治療方案。所有操作結果（文本）都可以自動回寫至病歷中，減少醫生書寫，提高門急診效率。
除了產品的準確性和輔助性，張奇強調了惠每CDSS規范臨床的價值。
“發現醫生不規范的過程耗費大量人力，傳統的做法是事后抽查，有滯后性，要找出所有病歷的邏輯錯誤，這是現在的信息化系統或者其他管理方式解決不了的。但如果AI監控后臺數據，是可以自動找出問題。”
目前，惠每科技和國內超過60家綜合醫院開展了合作。
傳統CDSS，只能基于既有的固化知識做出指導和評估，無法針對個體進行更加深入和準確的挖掘分析，在決策支持的可靠性和精準度方面都有所欠缺。人工智能技術的催化，使CDSS的功能有了更大的想象空間。
2018年《關于進一步推進以電子病歷為核心的醫療機構信息化建設工作的通知》將電子病例信息化推向了一個新的高度，CDSS日益成為醫療機構追求更高醫療質量和提高核心競爭力的重要驅力。
18年之前CDSS領域玩家并不多，隨著政策的推動，不少公司開始轉型做CDSS。很多傳統的醫療信息化廠商也都開始做CDSS產品。
張奇向雷鋒網介紹，“我覺得現在應該是最好的一個時間窗口了，醫院普遍比較歡迎這樣的創新型產品。國家政策在很大幅度的推動這個行業的發展，但評級目的并不僅僅是為了‘評級’，而是希望設立一個高標準、好方向，讓醫院借助信息化給患者創造更安全、規范、高質高效的就醫環境。基于醫療大數據幫助醫生更好的診療，這個方向是大家都能夠普遍接受的，所以CDSS自然是一個非常有力的工具去幫助醫院達到這個目標。”
惠每CDSS臨床應用場景
據雷鋒網了解，臨床決策支持系統通常利用自然語言處理技術對醫院多源異構數據進行結構化處理、語義理解、映射術語標準，深度學習算法模型根據標準診療路徑，判斷醫生決策的合規、合理、準確性，在此基礎上幫助實現智能鑒別診斷、風險預測、治療方案推薦、單病種質控等，醫療AI系統通過提醒功能引導規范診療行為。
CDSS賽道玩家眾多，訓練算法的技術核心都相差不多。但就像“世上沒有兩片完全相同的葉子”，惠每科技的特點和自信來源于兩點。
“我覺得專注是做好一個產品的重要特質。我們是極少數四年如一日只做CDSS的，在研發和訓練上投入的精力更多，積累會更多一點。第二個優勢，我們有Mayo Clinic (梅奧)知識庫的使用權，在這個基礎上面，我們研發產品會更快一點，起步也相對比較高。”張奇說。
CDSS作為一個廣義的概念，在應用場景、輔助對象、怎樣輔助等領域均有細分。
例如按輔助對象就可劃分服務醫生、護士、醫技、醫務科主任、臨床主任等。在服務醫生類別中，又包括醫生開醫囑時候使用、寫病歷文檔時候使用或者在手術前后去使用。在不同場景的不同環節中，CDSS的產品形式也不同。
張奇表示，惠每CDSS滿足不同用戶的不同場景需求，現已開發輔助醫護技進行診斷治療決策的專科CDSS、圍手術期CDSS、全科CDSS，以及輔助科室進行醫療質量管理的單病種過程質量管理系統、患者全景數據管理平臺等，形成醫院質量的全過程化、實時化閉環管理。
回顧惠每科技四年來產品的打磨歷程，張奇表示，CDSS注重的是應用積累。
“老實說技術方面大家不會有太多差異，但隨著落地的客戶越多越深入，獲得臨床的反饋會越多，應用效果亦如滾雪球般，會越來越好，得到的模型會越來越準確。”
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
