从逐格抄录到一键回填：AI赋能病历数据整理的设计与应用

来源：HIT专家网 作者：曲元一

医院电子病历系统积累了体量可观的结构化与半结构化数据，但数据从“存下来”到“用起来”之间，还隔着一段常被忽视的路程：各类上报表格、专科汇总表、科研数据表，仍然依靠人工从病历记录中逐条翻查、逐格粘贴。这类工作不需要多少技术含量，却极其消耗人力，且手工抄录难免错位、漏项，一旦进入上报或归档环节，纠错的成本远高于录入本身。

传染病上报与临床专病数据整理，面对的正是这样的难题。为改善上述问题，我们基于院内现有条件自行开发了轻量化数据处理工具“病例通”，把“从一张表到另一张表”的中间环节交给软件完成。

需要说明的是，这套工具并非简单的填表程序，而是覆盖源数据导入、字段映射、规则处理、质量校验与结果导出全流程的数据处理方案，报表回填只是其在临床数据整理场景中的一次具体落地。本文围绕其中的需求分析、解决思路与应用效果展开介绍。

需求与痛点

1.传染病上报场景

以往的传染病上报流程是：先从HIS系统导出电子病历，再由工作人员逐条阅读每份病历的主诉、现病史、体格检查、既往史、家族史、过敏史，对照目标表格的字段一一抄录，入院诊断与出院诊断还要与诊断记录逐条核对。一份上报表格涉及十余个病史字段和多项诊断信息，实际批次动辄数百份。两个人对着屏幕“翻格子”，一轮完整整理下来要四天，且越是到后面越容易疲劳出错。

2.临床专病数据整理场景

临床科室需要从大量电子病历中提取关键参数，按既定要求汇总到目标表格，用于专科报表与随访管理等。以专病数据整理为例，原始导出表包含百余列字段，目标表格对列结构有明确约定，且部分字段需由原始数据经规则计算得出，并非简单搬运。业务不同、字段不同，但作业方式均需人工逐条摘取，再粘贴进目标表格。成千上万条数据按这个节奏推进，费时费力不说，不同批次、不同经手人整理出来的表格口径也不尽一致，后续使用时还要额外花费精力核对。

3.共性痛点

将这两件事合并来看，痛点集中在四处：一是效率，纯手工搬运的耗时与数据量成正比；二是准确率，错位、漏项难以杜绝，而这类报表恰恰对准确性要求最高；三是一致性，字段口径因人而异，表格质量取决于经手人的经验与状态；四是过程不可追溯，错了不知道错在哪一行、哪一个字段，复盘只能靠人工比对。

要同时解开这四个结，靠加班和细心并不现实，必须换一种作业方式。

解决思路与关键做法

1.总体思路：模板驱动、双侧对照

由于源数据已经在表格里，目标格式也在表格里，缺的只是两者之间那座“桥”。基于这一判断，我们将工具界面左右分置，左侧放源数据，右侧放目标模板，由软件自动读取两侧的Sheet结构与字段清单，尝试识别映射关系，再由操作者确认或手工调整。映射确认后，一键生成，按规则将源数据逐行回填进模板，批量导出结果。

源表导入、模板解析、字段映射、人工确认、规则回填、结果预览、日志导出，7个环节一气呵成，支持批次划分与固定信息填写，一次配置、批量执行，把人从重复劳动里彻底解放出来。“病例通”的技术架构如图1所示，操作界面如图2所示。

2.四个关键做法

围绕真实数据“不好用”的问题，我们在开发过程中抓住了四个关键点。

一是字段别名归一。同一个含义的字段叫法五花八门：出生日期有时写作“生日”，既往史偶尔写成“既往病史”。工具内置“别名兼容机制”，对常见变体自动归一识别，映射不确定时再由人工调整。

二是规范协议先行。病历文本写得杂乱，再好的识别逻辑也无从下手，为此我们与临床科室同步制定了《病史书写规范协议》，约定推荐句式：阴性既往史统一写成“否认手术史、外伤史、输血史”。书写端规范化之后，识别端的拆解成功率明显提升，我们还意外倒逼了一次病历书写质量的治理。

三是诊断分类处理。区分入院诊断、出院诊断、其他诊断三种类型，结合主次标识，分别对应模板相应区域，做到不重不漏。

四是校验与留痕。生成过程中同步输出错误日志，预览区可逐条查看每个病例的写入值及其字段来源，哪一行有问题、出在哪个字段，事后都能回溯定位。

3.隐私保护的内生设计

上报数据涉及患者隐私，脱敏不能靠事后补救。开发时，我们将病案号与隐匿编号做了明确分工：病案号承担病例主键、诊断关联、结果文件命名等内部职能；隐匿编号是独立编号，仅写入模板中指定字段，两者互不替代。

时间字段虽可精确到时分，但在导出时自动截取为年/月/日，既满足上报口径，也避免冗余信息外流。

这些细节单看不起眼，合在一起就构成了数据合规的日常底线。

应用效果

“病例通”投入使用后，最先在传染病上报场景落地。过去需由两人协作、耗时四天的整理任务，如今在一分钟内即可完成。更重要的变化体现在上报质量上，每一处写入都有字段来源可查，在预览加日志的双重保障下，错位、漏项等风险明显降低。经抽样复核，未发现因字段错位导致的明显漏填、误填及口径不一致问题。该场景的应用效果如图3所示。

临床科室的应用场景同样落地顺利。“病例通”首先对原始表的列结构进行校验，再按“直接搬运、规则计算、占位生成”三类策略，逐列生成标准化表格。此前动辄需要数日的字段摘取任务，现在经过一次配置即可完成，成千上万条病历数据被准确填入目标表格，将科室人员从重复劳动中解放出来，把时间还给了患者管理与专业工作。

小场景可作大文章

谈到医疗AI，人们的目光多落在影像识别、辅助决策这类“高精尖”上。但真正日复一日消耗一线人力的，往往是“表格搬运”这类不起眼的小事。这类小事有个共同的特点：单点价值不高、发生频率极高、规则相对明确。也正因如此，市面上的成熟产品很少愿意为它们量身打造——需求太小众、太琐碎，采购一套大平台来解决几张报表，既不经济也不现实。可这些小事恰恰构成了医务人员最真实的日常，绕不开、躲不掉。

这便回到了我们动手解决这个问题时的初心：既然没有现成的答案，就自己把这座桥架起来。整个开发周期以周计、投入以人/天计，没有宏大的平台架构，没有炫技的算法模型，解决的就是“从一张表到另一张表”这个具体问题。然而效果立竿见影：四天变一分钟，错位、漏项有迹可循，科室口径整齐划一。看似不起眼的小场景，经认真开发、认真打磨，反过来撬动了上报效率、数据质量、书写规范、隐私合规等一整串收益。

“小场景里做出了大应用”，这正是本文想要表达的意思：场景可以小，应用的价值不打折；工具可以轻，解决的痛点不轻。

我们的另一点体会是，治理要前置于应用。《病史书写规范协议》的推行，让数据质量在源头就得到约束，识别成功率的提升只是结果之一；更长远看，规范化的病历文本对后续科研检索、专病数据库建设同样是收益。工具与规范互为支撑，形成正向循环，比任何事后清洗都更经济。技术只有贴近业务流程，才能真正形成持续的应用价值。这一点，在这次小工具的开发中体现得淋漓尽致。

后续，我们将在更多专病模板、源数据类型以及与HIS系统接口衔接等方面继续扩展，推动临床数据从被动留存走向规范复用，让“数据多跑路、人员少动手”成为更多科室的日常。

【作者简介】

曲元一，山东大学附属儿童医院（济南市儿童医院）信息中心主任，高级工程师。

【责任编辑：陈曦 版式：蒙辉】