AI人工智能临床辅助决策系统建设方案

人工智能临床辅助决策系统项目

建

设

方

案

目录

1项目概述 (4)

1.1项目名称 (4)

1.2建设背景 (4)

1.3建设目标 (4)

1.4建设思路 (5)

2需求分析 (7)

2.1现状分析 (7)

2.1.1医疗资源不足 (7)

2.1.2医疗成本高 (7)

2.1.3医生培养周期长 (8)

2.1.4误诊率偏高 (8)

2.2存在问题 (8)

2.2.1如何打破技术壁垒 (8)

2.2.2如何构建人机互信 (9)

2.2.3如何构建权威知识图谱 (10)

2.2.4如何提升交互体验 (10)

2.3业务需求 (11)

3系统架构 (12)

3.1总体系统架构 (12)

3.2应用服务架构 (14)

3.3知识体系架构 (15)

4关键技术说明 (16)

4.1构建医学知识体系的知识图谱技术 (16)

4.2解决电子病历结构化的深度学习技术 (18)

4.3构建临床经验知识库的大数据分析技术 (18)

5系统部署架构 (19)

5.1临床辅助决策系统服务 (19)

5.2桌面端智能助手 (20)

6主要功能介绍 (21)

6.1医学知识查询 (21)

6.2智能辅助诊疗 (22)

6.3知识可视化浏览 (26)

6.4医嘱决策分析 (26)

6.5智能知识问询 (27)

6.6病历文书质控 (28)

6.7合理用药提醒 (29)

6.8智能分诊导诊 (29)

6.9院感智能监控 (29)

6.10医学常用工具 (30)

6.11更多诊疗过程提醒 (30)

7应用场景示例 (31)

7.1为患者提供智能分诊与导诊服务 (31)

7.2智能预问诊及病历生成-患者端 (32)

7.3智能预问诊及病历生成-医生端 (33)

7.4智能辅助诊断-防止医生误诊 (34)

7.5检验报告智能分析评测 (35)

7.6低年资医生的学习途径 (36)

7.7临床诊断中提供智能问诊辅助 (37)

7.8提供可解释的诊断推荐结果 (38)

7.9对智能诊断结果进行对比鉴别分析 (39)

7.10针对诊断结果推荐治疗方案 (40)

7.11对下达医嘱智能分析-防漏检 (42)

7.12用药医嘱的合理提醒 (42)

7.13疑难杂症的辅助判断分析 (43)

7.14智能化分析病历质量 (44)

8项目实施要求 (45)

8.1服务器硬件需求 (45)

8.2客户端PC机需求 (46)

8.3实施周期参考 (46)

9服务的病种范围 (46)

9.1100个常见病 (46)

9.2467个基层常见病 (47)

1项目概述

1.1 项目名称

项目名称：人工智能临床辅助决策系统

1.2 建设背景

2015年起，国家陆续出台了推动医疗人工智能领域发展的一系列政策，对于人工智能在医疗领域的应用和开展起到了指导性作用。特别是近两年国务院办公厅《关于推进医疗联合体建设和发展的指导意见》（国办发〔2017〕32号）、《关于促进“互联网+医疗健康”发展的意见（国办发[2018]26号）》等文件中明确提出，运用人工智能打造临床决策支持系统，形成智能化决策服务能力，是解决目前医疗资源不足和配置不合理、解决人民群众看病难问题的有效途径之一。

1.3 建设目标

结合大数据与人工智能技术，应用知识+数据挖掘的方式为临床医生在诊疗过程中提供决策支撑能力(具体服务包括辅助诊断、辅助治疗、医嘱推荐、医嘱提醒、知识浏览、决策结果分析、病历质控、相似病例推荐、病历结构化服务、智能问询服务等等)。

以智能化技术应用为基础：随着人工智能应用的推动与发展，相应的技术也逐渐得到了有效推进，如：自然语言处理(提升对数据结

构化与语义化的理解)、深度学习(采用机器学习技术提升特征提取与识别能力)、知识图谱技术(以知识驱动提升智能化的可信性)等。这也正是智慧医院信息化发展的趋势。应用这些技术能够更加有效的实现医疗信息化的管理、分析和应用。

以大数据价值挖掘为支撑：医院大数据中心的建设以及部分数据应用的实施，使得对于数据价值的认知越来越深刻，这些数据都是经验的沉淀，本产品从多个维度，各个方面来挖掘这些数据的价值如：患者画像、病例画像、临床表现画像等等，为各类智能化应用提供分析支撑。

以应用的实用及有效性为目标：临床辅助决策系统一定是以解决实际问题为基础，进一步的要能够提升临床诊疗效率，减少漏诊、误诊率。为医生和患者带来切实有效的便利。

1.4 建设思路

目前而言，临床医生、专家在临床诊疗过程中依然是不可替代的，他们是广大人民群众健康的守护者。从一名普通人员到成为一名临床医生、主治医生、甚至专家的历程是艰辛、漫长的。他们需要不断的学习与历练才能获得一定的成就。在这个过程中，他们需要不断学习专业的理论教材包括阅读相关书本、文献、指南、临床路径、学术成果等等，在学习过程中会将这一系列的信息抽取，形成逻辑关系，并不断的在脑海中融合，最终形成对于医学知识的认知；在从事工作以后随着大量的门诊、住院诊断经验，同时研究学习了大量的历史病例，

再结合理论知识不断的形成了一些经验性的成果，并将理论知识与经验成果灵活运用到实际的临床诊疗过程中。

一名优秀的临床医生，特别是全科医生对于知识的广度与深度都要求甚高，尤其是对于基层医生，受限于知识的获取途径、资源的缺乏、经验的不足等等。也正因如此，可辅助性的，基于人工智能技术的智能化诊疗体系应用与支撑显得尤为重要。

随着技术与硬件资源的不断更迭发展，机器似乎也可以做到、加快、甚至在某些方面超越临床医生对于医学的认知和理解。自然语言处理技术可以让机器能够读懂人类的语言，在临床应用中也自然就可以理解患者的诉求，再结合现在深度学习技术的应用，可大大提升机器对语言的理解效率和能力；知识图谱技术可以将医学的理论知识进行抽象，采用本体技术构建形成语义化的知识网络，正如每一位临床医生在学习过程中对于知识体系的建立过程；而推理技术的应用，也正类似于医生对于患者的诊疗分析过程，利用询证医学方式不断的获取并作证推理结果；基于大数据技术的应用，可最大限度的挖掘与分析医院的临床数据价值，就类似于将医生的诊疗经验进行集聚，以赋能于机器，从理论与经验结合的角度提升诊疗推理的准确度；通过软件工程技术实现与医院业务系统进行深度对接，了解医生的操作行为和业务节点，在适当的时候，需要的时候给与相应的辅助决策支持，以实现提升诊疗效率、提高诊疗质量、降低误诊、漏诊情况，实现居民健康的可靠性保障等一系列问题。