第四部分 醫療服務

一、院內信息化

1.政策加持，蓬勃發展

傳統的醫院管理、醫保收支結算、質控等環節對于數據處理的需求快速增加，信息化企業在電子病歷、各科室數據互通、醫院評級、藥房自動化等領域形成可落地的應用。電子病歷管理，利用數字化手段保存、管理、傳輸患者醫療記錄；導診機器人指導患者就醫、引導分診，分擔院內壓力；通過智能化病房管理、績效管理以及人力財稅等綜合后臺系統管理，實現精細化運營。

圖|醫院信息化配合AI落地生態

政策支持醫療信息化發展。根據十四五規劃，到2025年，二級醫院需實現電子病歷應用3級到4級的升級，三級醫院則需達到5級及以上。

圖|政策支持醫療信息化發展

2.應用場景

通過智能化的病歷管理、患者信息管理和醫療資源調度，AI為醫療機構賦能，為患者縮短診療流程，提高效率。

智能預警系統實時監測患者情況，為醫護人員提供實時反饋，進一步提高醫療質量。基于NLP算法，AI能夠及時發現各類醫療文本信息錯誤并上報，高效及時發現高危問題。政策重點強調單病種質控，覆蓋病種和數量均增加，利用AI進行數字化和信息化監控和上報是最佳解決方式。

在超聲、放射、內鏡、病理等檢查科室，智慧預約系統通過AI自動識別患者檢查電子申請單，結合與檢查相關的環境/醫學/時間等多種因素，為患者推薦最合理的檢查預約時間，提高就診效率。

在醫藥分開為導向、智慧醫院建設持續推進的公立醫院改革背景下，醫院對醫療物資智能管理和智慧藥房系統的需求越發急迫，在軟件系統管理和控制下，智慧藥房項目通過自動發藥機、智能針劑管理柜、智能毒麻藥品管理柜、智能預配貨架、智能存取貨架等設備，實現藥房藥品的自動化存儲、調配、傳送和發放。通過智慧藥品管理系統對藥房工作進行流程再造，提升藥品調配效率、有效防范人為差錯，實現藥品庫存效期智能管理，進而提升藥事服務質量，改善藥房工作條件，縮短患者取藥等候時間，實現藥房藥品的智能化管理。

3.AI醫院管理：提高醫療服務質量，優化醫院運營效率

醫院管理涵蓋對醫院醫療、教學和科研活動的管理。隨著醫療信息化、大數據、AI等技術進步，醫院數字化轉型進程加速，醫療機構管理變革加快。利用AI對醫院進行管理，能有效的對人、財、物、信息、時間等資源，進行計劃、組織、協調、控制，充分利用醫院現有資源，實現醫療效用最大化，主要應用包括電子病歷管理、智能導診與分診、質量管理和精細化運營等。

圖|AI在醫院管理領域的應用

AI可以優化醫療資源配置和彌補醫院管理漏洞。利用大數據，協調資源的有效分配，根據電子病歷、既往病史等信息分析出最需要及時救治的患者，優先提供醫療資源，優化醫療服務的先后順序。

彌補醫院管理漏洞，從點評網站、社交平臺和新聞媒體等渠道收集患者對醫院的評價，通過自然語言處理技術將非結構化的數據處理成能被系統識別的結構化數據，根據已經搭建好的模型，整理、分析出評價背后的真實含義。

圖|優化醫療資源配置

圖|彌補醫院管理漏洞

AI醫院管理的核心應用價值體現在三方面：利用智能化信息技術重塑患者端全流程就醫體驗；以AI和大數據驅動醫院端智慧管理與決策，推動醫院管理體制機制持續創新；AI與大數據可以實現跨機構互通互聯，打通醫療服務數據與生態壁壘，完善以醫院為中心的醫療服務生態。

圖|AI在醫院管理領域的核心應用價值

在患者端利用AI技術，醫療服務可以突破醫院的物理邊界，以患者為中心，延伸到診前、診中、診后的就醫全流程。重構管理體系，深入病人管理(電子病歷)、藥械管理(器械設備與藥品智能化閉環管理)、病房管理(智能手術排班)、績效管理(DRGs績效)、后臺管理(人力財稅等智能后臺綜合管理)等方面，為醫院管理體系帶來整體升級重構。完善醫療服務生態，醫院在醫療服務體系中處于核心位置，是各項信息數據匯聚與整合的中間樞紐，連接其他醫療服務機構、醫療健康產品提供方、支付方、監管方等，打通各機構間數據壁壘并實現互聯與實時共享，可以為患者及數據共享各方帶來多邊增益。

4.DRGs與智慧病案

病案質控是AI重要應用場景，由政策導向(醫保支付/醫院考核)與醫院自身需求(精細化管理)推動。病案質控分為形式質控與內涵質控，形式質控主要是看哪些項目存在填寫遺漏、書寫錯誤，內涵質控里包含邏輯關系，如既往史與手術史是否矛盾。

DRG相關政策加速了醫院開展病案首頁質控，但大量錯誤在病案內容中，需要對病案內容進行質控。病案內容絕大部分是以連貫的文字形式呈現，少有類似病案首頁標準化、結構化的數據，質控難度遠高于首頁質控，且需要超越傳統機器學習的算法進行個性化質控。

國內企業頤圣智能、百度靈醫智惠、云知聲等通過算法創新解決問題。頤圣智能以強化學習(REINFORCEMENT LEARNING, RL)技術的架構基礎，在不同的質控任務下形成智能體，形成面向于全病歷的質控系統。強化學習的原理是智能體不從已知數據中獲得經驗，而是通過與環境的直接交互中學習，模仿人類的學習方式，通過其執行的行為獲得的環境反饋作為獎勵或者懲罰而優化其下一步的行為動作產生新的環境反饋的機制。強化學習與傳統的監督學習不同，強化學習能夠從自己的經驗和外部環境中學習，監督學習是通過外部指導在脫離環境情況下進行的擬合逼近式學習。

在基于強化學習的病歷質控的系統構建中，頤圣智能采用了一個天然的環境反饋-臨床醫師對病歷的書寫行為，這種行為反饋并非基于病歷質控系統而產生，而是由于臨床工作而產生的，無需特定創造出的新場景，使得質控系統的可落地性大幅度增強，也更適應復雜的臨床場景。

圖|AI病案質控功能及價值

智慧病案為DRGs提供數據資料，為分組打好基礎。DRGs即疾病診斷相關分組，依據患者患病情況進行綜合分析后，將患者劃分入若干診斷組，從而實現診療流程規范化，確保診療質量與治療費用得到控制。

分組基礎是病案首頁數據，結合診斷、合并癥、并發癥、年齡等其他個體因素，分組工具為DRGs分組器，分組產出的核心指標為疾病組、權重與病例組合指數，衍生指標為費用消耗指數、時間消耗指數等。DRGs適用于診療方式對病例的資源消耗和治療結果影響顯著的病例即短期急性住院病例，門診病例、康復病例、需要長期住院的病例不適用于DRGs。DRGs可用于醫療費用支付控制、醫院服務績效考評、醫療效率提升中。

DRGs產出結果基于病案數據，DRGs充分發揮作用，首先需保證病案數據質量與標準化程度即病案質控，這需要對根源數據進行處理。智慧病案是一套采用NLP技術的、針對病案所涉及的醫療信息采集、傳輸、記錄、數據結構化等環節實施全流程醫療數據核查與管控的醫療管理系統，是升級版的電子病歷。依據智慧病案的數據資料與醫保局發布的CHS-DRG(國家醫療保障疾病診斷相關分組)，臨床病例逐級進行細分組合，產生相應的DRG組。

圖|智慧病案與DRGs運作圖

5.醫學數據智能平臺：醫療應用開發的集成工具包，采用混合式構建方式

醫學數據智能平臺是指以院內信息系統的醫療數據為生產要素，基于私有云部署，通過數據采集、預處理、計算、存儲與應用開發一系列步驟與各步驟所涉及的開發組件，生產出臨床與科研等醫療應用的開發中間件，本質是云計算中的PaaS。醫學數據智能平臺集多種開發組件于一體，是醫療應用開發的工具包。

醫療數據來自院內的原生數據庫，該階段的數據往往不符合應用模型的標準，需要使用對應組件，將數據狀態同步成模型所需標準。首先進行數據采集，然后使用ETL工具抽取數據，參照統一標準對數據進行轉碼，形成標準化庫后，與原始數據做映射，對數據做質控，再依托模型進行數據再生成，形成具有算力效果的數據，最終將生產好的數據應用到業務模型端。

從構建方式看，因完全摒棄醫院原有的信息化系統、重新嚴格按照醫學數據智能平臺的技術路線設計開發新系統會消耗大量成本且成效慢，故醫學數據智能平臺一般采用混合式構建法即在醫院原有的信息化系統基礎上構建平臺，既保留原有信息系統的成熟設計，又保持原有業務的連續性。

圖|醫學數據智能平臺架構圖