HIT专家网
来源：HIT专家网 记者：谭啸
森亿智能副总裁薛颜波
一年前，在2017年南湖HIT论坛上，上海森亿医疗科技有限公司（以下简称：森亿智能）创始人兼CEO张少典博士携“学习型医疗系统”首次公开亮相。一年来，森亿智能在资本、市场、人才、产品、应用等方面都取得了长足发展。“我们已落地实施了多家三级医院科研平台，接入了几个专病科研协作网。今年的重心是，借助AI在高质量数据的基础上，直接推动临床效能的提升。”森亿智能副总裁薛颜波在2018南湖HIT论坛上如是说。
HIT在临床业务领域面临的挑战
经过多年发展，目前我国医疗信息化进入到“数据驱动的智能化医疗”阶段。在提升临床效能方面，HIT面临着挑战。“HIT厂商往往认为，自己没有医学运营，没有领域专家背书；医院则认为，在临床业务领域，自己很权威专业，HIT在医学上应该更符合医院的实际情况，所以改动较多。”薛颜波表示，“这样的结果是各项目本地化交付的成本较高。可以理解医院的想法是希望找一个合作意愿强的厂商，最好有丰富、高效的项目经验，但要以医院的实际情况为主。这里可以看到HIT厂商在临床业务领域遇到的现实挑战。”
美国国家卫生信息技术协调办公室（ONC）曾提出“临床质量提升（CQI）路线图”：从临床研究到临床决策支持（CDS），再到临床质量测量（CQM），再返回去指导临床行为，提升临床质量。该路线图很有借鉴意义：临床决策支持（CDS）与临床质量测量（CQM）相互配合，二者合力推动临床质量提升（CQI）。
薛颜波谈道：“以患者为中心的学习型医疗系统，就是通过对患者的临床数据进行治理、挖掘，驱动临床研究，形成研究成果，让临床研究赋能临床，最终实现临床效能在效率和效果两个方面的提升。”
数据治理是医学人工智能应用的基础
“医学人工智能的核心技术包括：医学自然语言处理、医学图像识别和医学语音识别，背后对应的是自然语言处理、知识图谱和机器学习，这三大技术支撑了整个医学人工智能。”薛颜波表示，前期森亿智能的核心是医学自然语言处理。
“数据治理是医学人工智能应用的基础。数据治理包括四大要素：数据集成、数据结构化与标准化、数据再（重）采集、数据质量控制。”薛颜波说，“我以往有8年时间是在做数据集成、数据标准化方面的工作，深知三级医疗机构中的数据情况。最近1年多来，我们发现，更大的问题已转移到下一个阶段——数据再采集阶段，怎样把数据采集得更全面、如何控制和提升数据质量，这是现阶段需要花更多精力来解决的。”
为什么要做数据治理？实际上是希望把医学知识图谱与数据质量结合起来，如果缺少医学知识图谱的支持，大量隐含的事实性信息将被丢失。薛颜波提到了时下大热的电影《我不是药神》：“在白血病的分类中，就需要有一套体系来识别，比如：急性白血病前体粒细胞型，系统能否理解这些语义？这也决定了后续的应用能否做到一定的深度。”
据薛颜波介绍，在医学知识图谱与术语标准化方面，主要的术语和关联包括：诊断和疾病的关联、超声影像库与疾病库的关联、实验室检查库与疾病库的关联、药物库与疾病库的关联、NGCI临床实践指南主题词与各术语库的关联。目前关联累计达200多万，能实现基于规则和知识库的基本逻辑推断、相关信息关联。
“有了高质量的数据和比较好的知识图谱，打好这个基础以后，再加上机器学习的应用就相对简单了。”在薛颜波看来，机器学习相对来讲比较简单，它实际上是数学算法的计算机化处理。
总结来看，做医学自然语言处理的目的，是将原始医学文本中的关键临床信息提取出来，将各关键信息间的语义关联关系全部提取，对不规范用法、错误用法进行自动纠正、自动标准化。
数据驱动临床效能提升
“数据驱动的医院精细化管理包括三大内容：一是医院精益管理，二是临床质量监控，三是临床辅助决策。今天谈的临床效能提升是指后两项内容的应用。”薛颜波将临床业务典型场景分为三个阶段：第一阶段是预诊，主要是信息收集；第二阶段是诊断、治疗，包括疾病诊断、病情评估、有针对性的治疗方案等；第三阶段是治疗后，主要是随访管理。这是一个完整的链条。
“我们把持续医疗质量提升（CQI）分为三个等级：L1是知识分享，包括指南、最新文献等；L2是围绕疾病和病种做一些规则化、知识化内容，比如规则提醒，并场景化地植入医生日常工作的电子病历系统中，作为知识支持；L3是森亿智能在重金打造的一个内容，它可能超出了单个医生或单个专科的认知，依靠传统的指南或规则很难有效地解决问题，需要大量的数据驱动、算法驱动。”薛颜波说，采用人工智能洞察数据，是指在高质量数据的基础上，加上AI算法、自动建模及可视化，整个体系能够实现实时、自动化运行，这样整个效率就能提升上来。
薛颜波继而谈到“数据驱动的智能型临床路径”，很多医院都在做临床路径，为什么有的医院感觉有用，有的感觉没用呢？“因为临床路径有严格的入组标准，很多患者不能入组，这就应该借助数据和算法，做个性化、智能的临床路径，能够指导诊疗行为，然后通过临床质量测量、比对，把整个临床的变异消除掉，这样效率自然就会提高。”
薛颜波以静脉栓塞（VTE）为例进行了阐释，VTE是国内第三个最常见的心血管疾病，位列缺血性心脏病和脑卒中之后，号称“沉默的杀手”，一旦发生，将给病人及家属带来巨大的灾难，特点是：高发病率、高死亡率、高误漏诊率。如何实现防治管一体化？“以往大多是护士打分，手工填写Caprini血栓风险评估量表；现在可以依托AI技术实现自动量表评分，可大幅提升效率和效果。这看起来很简单，背后需要复杂的技术支持：首先要做自然语言处理，要从既往病史、检查报告、病理报告里面识别出来；其次，识别出来之后要做归一化处理；第三要有一定的逻辑推理，建立风险分析模型。”薛颜波介绍说，目标是期望实现基于AI的VTE监控管理，通过建立智能化的血栓风险预测模型和智能化的血栓辅助诊疗模型，实现连续性、高灵敏度测量，覆盖就诊全周期，自动化监测、实时预警，实现全院跨科室的VTE高危监控。
“如果只是提高效率，那么发挥的作用会比较有限，更重要的是提高效果，有效预警风险。要通过建模，识别更复杂的风险因素，不只是量表覆盖的因素，并做实时监测。为了方便临床理解，我们把模型和算法转换为临床可理解的发病风险概率模型。当模型和Caprini量表检出率一致时，模型的特异度和阳性预测值明显提高。”薛颜波表示，经过一段时间的训练模型逐渐成熟，临床有可能不再依赖于Caprini量表了，因为基于AI的VTE模型可以更好地帮助识别，效率和效果都有大幅提高，可以更有效地预测和防范血栓风险。
最优化每一个医疗决策
薛颜波谈道，国外很多先进的医院都建立了全院调度指挥中心，调度全院资源，比如：美国约翰霍普金斯医院、加拿大多伦多的亨伯河医院等。再比如美国首家虚拟集团医疗中心——Mercy Health，病房里没有患者，医生上班都是对着电脑，他们管理分布在5个州的43家医疗机构。
薛颜波认为，“这是我们的方向，我国医院更应该开展这方面工作，因为我们的医院更大、人均医疗资源更紧缺，亟待提升效率和效果。”
“从集成平台、数据治理平台，到临床研究平台、精准医疗平台，实际上都是构建大的数据中心，支持临床、管理和科研，其核心只有一个：通过对资源的调度，提高运营效率，最大限度地提升临床效能。”薛颜波总结说，“从医疗数据到医学循证，再到临床实践，通过构建学习型医疗系统，加速医学循证转化落地，最终实现——最优化每一个医疗决策。”
想加入HIT专家网专业交流群？请添加“HIT专家网”小助手微信好友后提交你的申请哦
（请注明姓名、单位名称、职务、主管技术或产品领域，以便有针对性加群交流）
【责任编辑：谭啸】
评论前必须登录！
注册