【应华永专栏】生成式AI一体化电子病历系统将成为主流

来源：HIT专家网     作者：应华永

在CHIMA2023上，最吸引笔者眼球的是有两家公司展示了GPT大语言模型在生成式电子病历中的应用，产品能够实时提取医患对话的关键信息，并根据预置模板，自动生成结构化的电子病历，从而提高了诊疗服务效率和患者就医体验。

这引发了笔者对GPT等大语言模型未来可能对传统电子病历及相关衍生系统产生影响的思考。在此谈一点个人见解，不当之处请大家批评指正。

大语言模型在医疗行业的适用场景

大语言模型是一种基于深度学习的自然语言处理技术，能够自动学习语言规则和语义关系，从而生成符合语法和语义要求的文本，未来可以在以下几个场景得到很好的应用。

1.诊前环节

GPT等大语言模型可以用于自动化问诊。通过改变手机或自助机的传统人机交互方式，实现与患者的智能对话，并自动收集和记录病史等基础诊疗信息，辅助医生进行初步问诊，自动给出分诊建议并协助预约挂号。

2.诊中环节

GPT等大语言模型可以提取并自动记录医生和患者沟通交流的关键信息，辅助医生进一步问诊，并将医生查体信息通过语音交互的方式自动书写到电子病历之中。

根据医学知识库和历史病案数据，可以对模型进行持续训练。这使得原来一些独立开发的、通过接口方式与电子病历进行交互的周边系统，有可能成为一体化生成式电子病历的一个集成模块。

例如，基于大语言模型内置药学知识库的电子病历系统，就能辅助医生为患者提供个性化的用药建议和风险评估。内置的临床知识库能为医生提供标准化的诊疗流程、个性化的诊断建议和治疗方案，以及病历全过程质控管理。

这将对那些外挂式存在的知识型系统，如合理用药系统、临床路径系统、临床辅助决策支持系统和病历内涵质控系统等产品，构成降维打击。

3.诊后环节

GPT等大语言模型可以用于患者诊后随访、康复指导、慢病和健康管理、医学科研等领域。

例如，模型可以根据患者的病情和康复进展，提供个性化的康复指导；根据患者的病情和治疗进展，提供个性化的疾病管理方案；根据患者的需求和健康状况，提供个性化的患者教育和健康知识；根据患者反馈和意见，提供改进建议和优化方案，帮助医生更好地了解患者的需求和反馈。

此外，模型还可以形成类模板的思考链，并通过对文献的自动分析和数据分析，帮助医生获得可能的研究方向和领域。

困难和障碍

虽然基于GPT等大语言模型的产品，未来对传统医疗信息化产业的冲击和颠覆将势不可挡，但现阶段这类产品暂时还停留在实验室研发环境。它需要完美的医生和患者互动才能体现出产品真正的魔力，离临床实际应用还有一些困难和障碍，需要我们去克服，具体表现为：

1.数据难以获取

医疗数据的获取和处理需要遵循严格的法律法规和伦理标准，而且医疗数据的质量和数量也存在一定的限制，这使得训练GPT等大语言模型的数据，尤其是经过标注的高质量数据难以获取。此外，应用境外的大模型进行数据训练，将会存在较大的信息安全和法律风险。

2.模型的可解释性不足

GPT等大语言模型的黑盒特性，使得其难以解释其决策过程和结果。这对于医疗领域来说是不可接受的，因为医生需要了解模型的决策过程和结果，以便更好地理解和接受模型的建议。

3.模型的准确性和稳定性有待提高

GPT等大语言模型的准确性和稳定性仍然存在一定的问题，尤其是在处理医疗数据时。模型的表现可能会受到数据质量和数量的影响，这需要进一步的研究和改进。尤其是国内的大模型产品离产业应用可能还需要较长时间的等待。

4.语音识别引擎的准确性有待提高

模型对地方方言，以及在有一定声噪环境下医患双方语义的识别和理解能力，还需要有一个更好的解决方案。

尽管生成式AI电子病历在实际应用中还存在诸多的困难和障碍，但是它的前景应该非常广阔。生成式AI一体化电子病历必将成为主流产品。未来，生成式AI电子病历还将促进医学研究和数据分析的发展，从而加速医学研究的进展。

对于传统电子病历及其周边应用系统厂商而言，过去十年的技术积累或许已经形成了较高的行业壁垒。但GPT等大语言模型的出现，使得这些所谓的壁垒将不再高不可攀；未来的竞争对手也不再是视野中的传统对手，而是那些原本被忽视的公司或产品。

【责任编辑：陈曦】