AI人工智能臨床輔助決策系統(tǒng)建設(shè)方案

1、人工智能臨床輔助決策系統(tǒng)項(xiàng)目建設(shè)方案目錄 TOC o 1-5 h z HYPERLINK l bookmark2 o Current Document 項(xiàng)目概述4 HYPERLINK l bookmark4 o Current Document 項(xiàng)目名稱4 HYPERLINK l bookmark6 o Current Document 建設(shè)背景4 HYPERLINK l bookmark8 o Current Document 建設(shè)目標(biāo)4 HYPERLINK l bookmark10 o Current Document 建設(shè)思路5 HYPERLINK l bookmark12 o Curr

2、ent Document 需求分析7 HYPERLINK l bookmark14 o Current Document 現(xiàn)狀分析7醫(yī)療資源不足7醫(yī)療成本高7醫(yī)生培養(yǎng)周期長8誤診率偏高8 HYPERLINK l bookmark16 o Current Document 存在問題8如何打破技術(shù)壁壘8如何構(gòu)建人機(jī)互信9如何構(gòu)建權(quán)威知識圖譜10如何提升交互體驗(yàn)10 HYPERLINK l bookmark18 o Current Document 業(yè)務(wù)需求11 HYPERLINK l bookmark20 o Current Document 系統(tǒng)架構(gòu)12 HYPERLINK l bookmark

3、22 o Current Document 總體系統(tǒng)架構(gòu)12 HYPERLINK l bookmark24 o Current Document 應(yīng)用服務(wù)架構(gòu)14 HYPERLINK l bookmark26 o Current Document 知識體系架構(gòu)15 HYPERLINK l bookmark28 o Current Document 關(guān)鍵技術(shù)說明16 HYPERLINK l bookmark30 o Current Document 構(gòu)建醫(yī)學(xué)知識體系的知識圖譜技術(shù)16 HYPERLINK l bookmark32 o Current Document 解決電子病歷結(jié)構(gòu)化的深度學(xué)習(xí)

4、技術(shù)18 HYPERLINK l bookmark34 o Current Document 構(gòu)建臨床經(jīng)驗(yàn)知識庫的大數(shù)據(jù)分析技術(shù)18 HYPERLINK l bookmark36 o Current Document 系統(tǒng)部署架構(gòu)19 HYPERLINK l bookmark38 o Current Document 臨床輔助決策系統(tǒng)服務(wù)19 HYPERLINK l bookmark40 o Current Document 桌面端智能助手20主要功能介紹21 HYPERLINK l bookmark42 o Current Document 醫(yī)學(xué)知識查詢21 HYPERLINK l book

5、mark44 o Current Document 智能輔助診療22 HYPERLINK l bookmark46 o Current Document 知識可視化瀏覽26 HYPERLINK l bookmark48 o Current Document 醫(yī)囑決策分析26 HYPERLINK l bookmark50 o Current Document 智能知識問詢27 HYPERLINK l bookmark52 o Current Document 病歷文書質(zhì)控28 HYPERLINK l bookmark54 o Current Document 合理用藥提醒29 HYPERLINK

6、 l bookmark56 o Current Document 智能分診導(dǎo)診29 HYPERLINK l bookmark58 o Current Document 院感智能監(jiān)控29 HYPERLINK l bookmark60 o Current Document 醫(yī)學(xué)常用工具30第2頁共59頁 TOC o 1-5 h z HYPERLINK l bookmark62 o Current Document 更多診療過程提醒30 HYPERLINK l bookmark64 o Current Document 應(yīng)用場景示例31 HYPERLINK l bookmark66 o Curren

7、t Document 為患者提供智能分診與導(dǎo)診服務(wù)31 HYPERLINK l bookmark68 o Current Document 智能預(yù)問診及病歷生成-患者端32 HYPERLINK l bookmark70 o Current Document 智能預(yù)問診及病歷生成-醫(yī)生端33 HYPERLINK l bookmark72 o Current Document 智能輔助診斷-防止醫(yī)生誤診34 HYPERLINK l bookmark74 o Current Document 檢驗(yàn)報告智能分析評測35 HYPERLINK l bookmark76 o Current Document

8、 低年資醫(yī)生的學(xué)習(xí)途徑36 HYPERLINK l bookmark78 o Current Document 臨床診斷中提供智能問診輔助37 HYPERLINK l bookmark80 o Current Document 提供可解釋的診斷推薦結(jié)果38 HYPERLINK l bookmark82 o Current Document 對智能診斷結(jié)果進(jìn)行對比鑒別分析39 HYPERLINK l bookmark84 o Current Document 針對診斷結(jié)果推薦治療方案40 HYPERLINK l bookmark86 o Current Document 對下達(dá)醫(yī)囑智能分析-防漏

9、檢42 HYPERLINK l bookmark90 o Current Document 用藥醫(yī)囑的合理提醒42 HYPERLINK l bookmark92 o Current Document 疑難雜癥的輔助判斷分析43 HYPERLINK l bookmark94 o Current Document 智能化分析病歷質(zhì)量44 HYPERLINK l bookmark96 o Current Document 項(xiàng)目實(shí)施要求45 HYPERLINK l bookmark98 o Current Document 服務(wù)器硬件需求45 HYPERLINK l bookmark100 o Cur

10、rent Document 客戶端PC機(jī)需求46 HYPERLINK l bookmark102 o Current Document 實(shí)施周期參考46 HYPERLINK l bookmark104 o Current Document 服務(wù)的病種范圍46100個常見病46 HYPERLINK l bookmark106 o Current Document 467個基層常見病47第3頁共59頁1項(xiàng)目概述項(xiàng)目名稱項(xiàng)目名稱：人工智能臨床輔助決策系統(tǒng)建設(shè)背景2015年起，國家陸續(xù)出臺了推動醫(yī)療人工智能領(lǐng)域發(fā)展的一系 列政策，對于人工智能在醫(yī)療領(lǐng)域的應(yīng)用和開展起到了指導(dǎo)性作用。 特別是近兩年國務(wù)院

11、辦公廳關(guān)于推進(jìn)醫(yī)療聯(lián)合體建設(shè)和發(fā)展的指導(dǎo) 意見（國辦發(fā)201732號）、關(guān)于促進(jìn)“互聯(lián)網(wǎng)+醫(yī)療健康” 發(fā)展的意見（國辦發(fā)201826號）等文件中明確提出，運(yùn)用人工 智能打造臨床決策支持系統(tǒng)，形成智能化決策服務(wù)能力，是解決目前 醫(yī)療資源不足和配置不合理、解決人民群眾看病難問題的有效途徑之 一一o建設(shè)目標(biāo)結(jié)合大數(shù)據(jù)與人工智能技術(shù)，應(yīng)用知識+數(shù)據(jù)挖掘的方式為臨床醫(yī) 生在診療過程中提供決策支撐能力（具體服務(wù)包括輔助診斷、輔助治 療、醫(yī)囑推薦、醫(yī)囑提醒、知識瀏覽、決策結(jié)果分析、病歷質(zhì)控、相 似病例推薦、病歷結(jié)構(gòu)化服務(wù)、智能問詢服務(wù)等等）。以智能化技術(shù)應(yīng)用為基礎(chǔ)：隨著人工智能應(yīng)用的推動與發(fā)展，相 應(yīng)的技術(shù)

12、也逐漸得到了有效推進(jìn)，如：自然語言處理（提升對數(shù)據(jù)結(jié) 第4頁共59頁 構(gòu)化與語義化的理解）、深度學(xué)習(xí)（采用機(jī)器學(xué)習(xí)技術(shù)提升特征提取與 識別能力）、知識圖譜技術(shù)（以知識驅(qū)動提升智能化的可信性）等。這也 正是智慧醫(yī)院信息化發(fā)展的趨勢。應(yīng)用這些技術(shù)能夠更加有效的實(shí)現(xiàn) 醫(yī)療信息化的管理、分析和應(yīng)用。以大數(shù)據(jù)價值挖掘?yàn)橹危横t(yī)院大數(shù)據(jù)中心的建設(shè)以及部分?jǐn)?shù)據(jù) 應(yīng)用的實(shí)施，使得對于數(shù)據(jù)價值的認(rèn)知越來越深刻，這些數(shù)據(jù)都是經(jīng) 驗(yàn)的沉淀，本產(chǎn)品從多個維度，各個方面來挖掘這些數(shù)據(jù)的價值如： 患者畫像、病例畫像、臨床表現(xiàn)畫像等等，為各類智能化應(yīng)用提供分 析支撐。以應(yīng)用的實(shí)用及有效性為目標(biāo)：臨床輔助決策系統(tǒng)一定是以解決

13、 實(shí)際問題為基礎(chǔ)，進(jìn)一步的要能夠提升臨床診療效率，減少漏診、誤 診率。為醫(yī)生和患者帶來切實(shí)有效的便利。建設(shè)思路目前而言，臨床醫(yī)生、專家在臨床診療過程中依然是不可替代的， 他們是廣大人民群眾健康的守護(hù)者。從一名普通人員到成為一名臨床 醫(yī)生、主治醫(yī)生、甚至專家的歷程是艱辛、漫長的。他們需要不斷的 學(xué)習(xí)與歷練才能獲得一定的成就。在這個過程中，他們需要不斷學(xué)習(xí) 專業(yè)的理論教材包括閱讀相關(guān)書本、文獻(xiàn)、指南、臨床路徑、學(xué)術(shù)成 果等等，在學(xué)習(xí)過程中會將這一系列的信息抽取，形成邏輯關(guān)系，并 不斷的在腦海中融合，最終形成對于醫(yī)學(xué)知識的認(rèn)知；在從事工作以 后隨著大量的門診、住院診斷經(jīng)驗(yàn)，同時研究學(xué)習(xí)了大量的歷史病

14、例，第5頁共59頁 再結(jié)合理論知識不斷的形成了一些經(jīng)驗(yàn)性的成果，并將理論知識與經(jīng) 驗(yàn)成果靈活運(yùn)用到實(shí)際的臨床診療過程中。一名優(yōu)秀的臨床醫(yī)生，特別是全科醫(yī)生對于知識的廣度與深度都 要求甚高，尤其是對于基層醫(yī)生，受限于知識的獲取途徑、資源的缺 乏、經(jīng)驗(yàn)的不足等等。也正因如此，可輔助性的，基于人工智能技術(shù) 的智能化診療體系應(yīng)用與支撐顯得尤為重要。隨著技術(shù)與硬件資源的不斷更迭發(fā)展，機(jī)器似乎也可以做到、加 快、甚至在某些方面超越臨床醫(yī)生對于醫(yī)學(xué)的認(rèn)知和理解。自然語言 處理技術(shù)可以讓機(jī)器能夠讀懂人類的語言，在臨床應(yīng)用中也自然就可 以理解患者的訴求，再結(jié)合現(xiàn)在深度學(xué)習(xí)技術(shù)的應(yīng)用，可大大提升機(jī) 器對語言的理解

15、效率和能力；知識圖譜技術(shù)可以將醫(yī)學(xué)的理論知識進(jìn) 行抽象，采用本體技術(shù)構(gòu)建形成語義化的知識網(wǎng)絡(luò)，正如每一位臨床 醫(yī)生在學(xué)習(xí)過程中對于知識體系的建立過程；而推理技術(shù)的應(yīng)用，也 正類似于醫(yī)生對于患者的診療分析過程，利用詢證醫(yī)學(xué)方式不斷的獲 取并作證推理結(jié)果；基于大數(shù)據(jù)技術(shù)的應(yīng)用，可最大限度的挖掘與分 析醫(yī)院的臨床數(shù)據(jù)價值，就類似于將醫(yī)生的診療經(jīng)驗(yàn)進(jìn)行集聚，以賦 能于機(jī)器，從理論與經(jīng)驗(yàn)結(jié)合的角度提升診療推理的準(zhǔn)確度；通過軟 件工程技術(shù)實(shí)現(xiàn)與醫(yī)院業(yè)務(wù)系統(tǒng)進(jìn)行深度對接，了解醫(yī)生的操作行為 和業(yè)務(wù)節(jié)點(diǎn)，在適當(dāng)?shù)臅r候，需要的時候給與相應(yīng)的輔助決策支持， 以實(shí)現(xiàn)提升診療效率、提高診療質(zhì)量、降低誤診、漏診情況，實(shí)

16、現(xiàn)居 民健康的可靠性保障等一系列問題。第6頁共59頁2需求分析現(xiàn)狀分析醫(yī)療資源不足中國每千人執(zhí)業(yè)醫(yī)生數(shù)僅為2.2,醫(yī)生密度低造成醫(yī)院無法滿足患 者持高不減的需求，引發(fā)就醫(yī)難，看病貴等社會問題。而歐洲、美國 發(fā)達(dá)國家每千人執(zhí)業(yè)醫(yī)生數(shù)為4,我國與國外發(fā)達(dá)國家相比存在一定 的差距。此外，我國醫(yī)療資源地域分布不均衡，醫(yī)療資源與經(jīng)濟(jì)發(fā)展 水平高度相關(guān)。在東部沿海省份，醫(yī)生密度高；在內(nèi)地尤其是西北等 地區(qū)，醫(yī)療設(shè)備不足、醫(yī)生密度偏小。值得注意的是，醫(yī)療較先進(jìn)的 地區(qū)也存在優(yōu)質(zhì)醫(yī)生資源短缺的情況。如果引入人工智能技術(shù)，則可 以減少不必要的人工時間消耗，彌補(bǔ)醫(yī)療行業(yè)醫(yī)生空缺，提高醫(yī)院治 療效率。醫(yī)療成本高近年

17、來隨著國民經(jīng)濟(jì)的發(fā)展，我國居民可支配收入水平持續(xù)上升， 公眾的健康意識也不斷在增強(qiáng)，使得我國居民對醫(yī)療服務(wù)的需求也不 斷上升。2017年我國衛(wèi)生總費(fèi)用增速達(dá)13%，遠(yuǎn)遠(yuǎn)超過GDP的同期 增速。但是我國醫(yī)療資源配置不合理、利用效率低、醫(yī)療成本高，這 些問題給政府帶來了沉重負(fù)擔(dān)。人工智能技術(shù)的引入能夠幫助醫(yī)生制 定更加合理有效的醫(yī)療方案，減少不合理的支出。第7頁共59頁醫(yī)生培養(yǎng)周期長我國獨(dú)立上崗醫(yī)生培訓(xùn)周期長達(dá)8年，在極大的人力物力支出的 限制下，醫(yī)生數(shù)量難以滿足極具增長的醫(yī)療需求。不僅如此，每年都 有大量的醫(yī)學(xué)論文發(fā)表，醫(yī)生學(xué)習(xí)時間和學(xué)習(xí)速度優(yōu)先，很難在短時 間內(nèi)消化并吸收所有相關(guān)的新醫(yī)療技術(shù)。

18、在這方面人工智能的訓(xùn)練時 間遠(yuǎn)小于醫(yī)生培養(yǎng)周期，最新數(shù)據(jù)表明，IBM Watson可以在17秒內(nèi) 閱讀3469本醫(yī)學(xué)專注、248000篇論文、106000份臨床報告、61540 次試驗(yàn)數(shù)據(jù)和69中治療方案。因此，引入人工智能技術(shù)可以在短時 間內(nèi)學(xué)習(xí)新的醫(yī)療方法并在實(shí)踐中應(yīng)用，一定程度上能彌補(bǔ)由于培養(yǎng) 周期長而造成的醫(yī)生短缺。誤診率偏高受知識、情緒、偏見、診療手段等主客觀因素的影響，人工診斷 存在相當(dāng)高的誤診率。全美首診誤診率超過30%，中國基層醫(yī)療的誤 診率至少在50%以上。引入人工智能技術(shù)，人工智能可以查詢并記憶 海量的醫(yī)療數(shù)據(jù)文獻(xiàn)，輔助醫(yī)生診斷治療，提高準(zhǔn)確率。存在問題如何打破技術(shù)壁壘很多

19、人認(rèn)為人工智能已經(jīng)到了一個非常成熟的階段，經(jīng)常會拿 AlphaGo或AlphaZero的故事來講，認(rèn)為人工智能技術(shù)已經(jīng)非常成熟， 不管是輔診還是語音識別、圖片識別、人臉識別都是一個成熟的隨時第8頁共59頁 可以拿來用的組件。其實(shí)其中還有非常多的技術(shù)問題沒有解決，還是 有相當(dāng)高的門檻。首先是核心技術(shù)層面。目前來看，業(yè)界還沒有一個深度學(xué)習(xí)的模 型能夠真正做到像合格的全科醫(yī)生一樣自己學(xué)習(xí)，并能做基于循證的 推理，包括IBM的沃森都沒有達(dá)到那樣的理想狀態(tài)，現(xiàn)在可行的是 通過一些條件的限定，還有產(chǎn)品層面的改進(jìn)，盡可能減少對核心技術(shù) 的訴求。如何構(gòu)建人機(jī)互信人工智能技術(shù)發(fā)展，尤其是以深度學(xué)習(xí)為代表的技術(shù)發(fā)

20、展，在某 些特定領(lǐng)域特定場景的應(yīng)用下機(jī)器智能已經(jīng)達(dá)到甚至超越了人類智 能。然而隨著對智能技術(shù)發(fā)展需求不斷提升，關(guān)于人機(jī)互信的問題也 變的逐漸突出。深度學(xué)習(xí)是以神經(jīng)網(wǎng)絡(luò)的構(gòu)建和訓(xùn)練為主，最終形成 的結(jié)果是以概率的形式展現(xiàn)，是一個典型的端到端的智能化服務(wù)方 式。該方法無法提供智能分析過程，即缺少可解釋性的能力，而可解 釋性也正是構(gòu)建人機(jī)互信的基礎(chǔ)。因此對于人工智能技術(shù)的應(yīng)用，尤其是智能醫(yī)療方面，不僅僅需 要診斷準(zhǔn)確率高，還需要能夠基于診斷結(jié)果給出合理的分析過程，提 供為人所信的解釋信息。那么目前知識圖譜技術(shù)正是可以滿足該需 求。通過構(gòu)建醫(yī)學(xué)知識圖譜，并結(jié)合知識的推理技術(shù)，將臨床診斷思 維、醫(yī)生診斷

21、經(jīng)驗(yàn)進(jìn)行整合，形成臨床輔助診斷推薦結(jié)果，該推薦結(jié) 果能夠有效的基于知識推理路徑給出合理的分析與解釋過程?；谠摰?頁共59頁 分析解釋過程，不管是醫(yī)務(wù)人員還是患者在享受服務(wù)的同時，能夠知 其然也知其所以然。如何構(gòu)建權(quán)威知識圖譜基于知識圖譜技術(shù)的應(yīng)用來構(gòu)建醫(yī)學(xué)知識圖譜，解決人機(jī)互信的 基礎(chǔ)，同時也基于知識驅(qū)動來提升診療準(zhǔn)確率，和效率。但是由于醫(yī) 學(xué)領(lǐng)域本身的復(fù)雜性，構(gòu)建醫(yī)學(xué)知識圖譜，尤其是構(gòu)建大規(guī)模的、權(quán) 威的、專業(yè)的醫(yī)學(xué)知識圖譜是一項(xiàng)困難而又龐大的工程。需要解決的問題包括：明確權(quán)威知識的來源，權(quán)威的醫(yī)學(xué)知識庫 支撐體系是保障人工智能輔助診斷符合率的基礎(chǔ)，知識庫的資料來源 包括但不限于以下內(nèi)容：

22、一是權(quán)威行業(yè)協(xié)會、學(xué)會在國家衛(wèi)生健康委 員會領(lǐng)導(dǎo)和組織下發(fā)布的指南、標(biāo)準(zhǔn)和路徑等；二是國家衛(wèi)生健康委 員會、原國家衛(wèi)計委“十二五”、“十三五”醫(yī)藥衛(wèi)生規(guī)劃教材和權(quán) 威醫(yī)藥衛(wèi)生專著；三是診療規(guī)范；四是海量醫(yī)學(xué)文獻(xiàn)；五是藥物說明 書。如何解決知識的提取能力，從以上權(quán)威知識來源中如何快速，準(zhǔn) 確的提取醫(yī)學(xué)三元組知識。如何保障知識的質(zhì)量，如何來快速審核大 規(guī)模的，交錯復(fù)雜的醫(yī)學(xué)知識，需要大量的領(lǐng)域?qū)＜摇⑨t(yī)務(wù)人員共同 參與。如何提升交互體驗(yàn)人工智能技術(shù)的引入，并應(yīng)用到臨床醫(yī)生的診療業(yè)務(wù)過程中，該 過程對于臨床醫(yī)生來說應(yīng)該是透明的，而不應(yīng)該增加醫(yī)務(wù)人員的使用 負(fù)擔(dān)。也就是說，智能化診療過程，只是在醫(yī)務(wù)人員

23、出錯、或者需要第10頁共59頁 提醒的時候給出相關(guān)建議，而不應(yīng)該影響，甚至隨意中斷臨床醫(yī)生的 業(yè)務(wù)過程。因此對于交互體驗(yàn)也顯得尤為重要，可能一款人工智能臨床輔助 決策產(chǎn)品服務(wù)準(zhǔn)確、高效，但是如果經(jīng)常性的，在不合時宜的場景來 給醫(yī)務(wù)人員彈消息提示，那只會對用戶造成干擾，反而影響了用戶的 體驗(yàn)，也就無法達(dá)到提升醫(yī)務(wù)人員診療效率的目標(biāo)。因此需要充分分 析用戶的操作習(xí)慣、交互的觸發(fā)點(diǎn)、交互方式的多樣性等來不斷迭代 適應(yīng)用戶的操作需求。業(yè)務(wù)需求應(yīng)用系統(tǒng)需要可以提供疑似診斷建議、鑒別診斷建議、檢驗(yàn)、檢 查建議、治療方案建議、病歷質(zhì)控提醒、醫(yī)學(xué)知識庫語義檢索等。疑似診斷建議：以無結(jié)構(gòu)的病歷文本為輸入，顯示可

24、能疾病的列 表并按照置信度和危急重值進(jìn)行排序和標(biāo)識，并給出可解釋的診斷依 據(jù)。鑒別診斷建議：根據(jù)當(dāng)前診斷并結(jié)合患者人群、臨床表現(xiàn)給出動 態(tài)鑒別診斷候選及依據(jù)。檢驗(yàn)、檢查建議：結(jié)合患者人群、臨床表現(xiàn)給出確診所需檢驗(yàn)、 檢查建議及依據(jù)。治療方案建議：結(jié)合患者人群、臨床表現(xiàn)及確診信息給出動態(tài)的 合理用藥、健康教育處方等建議。病歷質(zhì)控提醒：對醫(yī)生病歷輸入、醫(yī)囑等進(jìn)行邏輯沖突檢測并提第11頁共59頁 供提醒。醫(yī)學(xué)知識庫語義檢索：提供醫(yī)學(xué)知識庫上搜索功能并具備智能提 示，可與診療流程無縫結(jié)合。3系統(tǒng)架構(gòu)人工智能臨床輔助決策系統(tǒng)，其本身就是一個復(fù)雜、較獨(dú)立的服 務(wù)體系，以臨床診療過程智能化決策服務(wù)能力的輸出

25、為核心價值；同 時需要與醫(yī)院的業(yè)務(wù)系統(tǒng)進(jìn)行交互、集成，構(gòu)建醫(yī)院的臨床輔助決策 系統(tǒng)；而保障服務(wù)的核心是醫(yī)學(xué)知識體系的建設(shè)，醫(yī)學(xué)知識圖譜的規(guī) 模、質(zhì)量、更新策略等直接影響到系統(tǒng)的服務(wù)水平與能力?？傮w系統(tǒng)架構(gòu)基于項(xiàng)目建設(shè)的需求，從多個層面來考慮系統(tǒng)架構(gòu)，涵蓋了技術(shù)、 知識、服務(wù)、功能、應(yīng)用的建設(shè)。系統(tǒng)總體架構(gòu)按照邏輯分層，劃分 為：數(shù)據(jù)層、技術(shù)層、服務(wù)層、組件層以及應(yīng)用層?？傮w如下圖所示：第12頁共59頁應(yīng)用展智能問診應(yīng)用醫(yī)療知識可視化應(yīng)用醫(yī)學(xué)知識智能問詢應(yīng)用治療方案推薦應(yīng)用理用藥應(yīng)用診療過程決策提醒服務(wù)存儲Elasticse rchMYSQL TDB | Redis靜態(tài)知識卡片組件知識可視化組件

26、知識檢察工具組件電子病歷詳情及后結(jié)構(gòu)化組件消息提醒組件技術(shù)層知識圖譜管理與分析自然語言處理其他數(shù)據(jù)層醫(yī)院 臨床數(shù)據(jù)中心醫(yī)學(xué)術(shù)語與標(biāo)準(zhǔn)應(yīng)用展智能問診應(yīng)用醫(yī)療知識可視化應(yīng)用醫(yī)學(xué)知識智能問詢應(yīng)用治療方案推薦應(yīng)用理用藥應(yīng)用診療過程決策提醒服務(wù)存儲Elasticse rchMYSQL TDB | Redis靜態(tài)知識卡片組件知識可視化組件知識檢察工具組件電子病歷詳情及后結(jié)構(gòu)化組件消息提醒組件技術(shù)層知識圖譜管理與分析自然語言處理其他數(shù)據(jù)層醫(yī)院 臨床數(shù)據(jù)中心醫(yī)學(xué)術(shù)語與標(biāo)準(zhǔn)數(shù)據(jù)層：包含了數(shù)據(jù)多來源以及醫(yī)學(xué)知識庫的產(chǎn)出，數(shù)據(jù)來源主 要包括醫(yī)院數(shù)據(jù)中心的臨床數(shù)據(jù)、專業(yè)醫(yī)學(xué)教材、指南文獻(xiàn)、醫(yī)學(xué)術(shù) 語與標(biāo)準(zhǔn)等等；數(shù)據(jù)層

27、所產(chǎn)出的醫(yī)學(xué)知識庫包含了以臨床畫像庫為代 表的、基于大數(shù)據(jù)技術(shù)分析挖掘形成的經(jīng)驗(yàn)性知識，以及以醫(yī)學(xué)知識 圖譜庫為核心的、應(yīng)用本體技術(shù)構(gòu)建醫(yī)學(xué)客觀事實(shí)的理論知識。技術(shù)層：本項(xiàng)目中主要應(yīng)用的存儲方案涉及關(guān)系型數(shù)據(jù)庫Mysql, 知識圖譜數(shù)據(jù)庫TDB以及大數(shù)據(jù)索引庫Elasticsearch、Redis等。在 知識圖譜的管理與分析方面應(yīng)用了一套完整的技術(shù)方案，包括圖譜存 儲、知識表達(dá)RDF、知識查詢引擎Sparql，推理引擎Inference，本體 構(gòu)建技術(shù)Ontology以及知識服務(wù)接口 Fuseki；采用自然語言處理技 術(shù)，結(jié)合深度學(xué)習(xí)算法如LSTM,Bert等，基于Tensorflow框架，應(yīng)

28、用 GPU加速模型訓(xùn)練，實(shí)現(xiàn)對非結(jié)構(gòu)化文本數(shù)據(jù)的處理，具體的如電第13頁共59頁 子病歷數(shù)據(jù)的識別與提取，實(shí)現(xiàn)語義關(guān)系的理解；同時系統(tǒng)構(gòu)建采用 微服務(wù)技術(shù)架構(gòu)，構(gòu)建基于知識圖譜推理的核心微服務(wù)，提供標(biāo)準(zhǔn)的 REST服務(wù)接口。服務(wù)層：按照服務(wù)的能力和封裝程度進(jìn)一步劃分為了基礎(chǔ)服務(wù)， 以及應(yīng)用層服務(wù)。基礎(chǔ)服務(wù)包括了實(shí)體提取、文本結(jié)構(gòu)化、實(shí)體聯(lián)想、 路徑分析、實(shí)體檢索等；而應(yīng)用層服務(wù)，主要是面向業(yè)務(wù)應(yīng)用需求， 進(jìn)一步對基礎(chǔ)服務(wù)的封裝，包括輔助診斷服務(wù)、智能問詢服務(wù)、醫(yī)囑 決策提醒服務(wù)、相似病例檢索服務(wù)等。組件層：為了提供便捷的交互與展示方式，對于一些重復(fù)調(diào)用的 服務(wù)和數(shù)據(jù)展示，將其封裝成了通用組件，

29、以便業(yè)務(wù)層快速調(diào)用查詢， 主要組件有：知識卡片、知識可視化、消息提醒組件、電子病歷結(jié)構(gòu) 化組件等。應(yīng)用層：基于數(shù)據(jù)層、技術(shù)層、服務(wù)層、組件層提供的能力實(shí)現(xiàn) 業(yè)務(wù)應(yīng)用的組裝，可實(shí)現(xiàn)：患者健康自診、知識檢索與瀏覽、臨床智 能診斷輔助、臨床醫(yī)囑決策提醒、合理用藥提醒、與當(dāng)前患者相似的 病例推薦等業(yè)務(wù)應(yīng)用，以此為臨床醫(yī)生在診療過程中提供智能化的輔 助決策能力，從而減少漏診、誤診情況。應(yīng)用服務(wù)架構(gòu)人工智能臨床輔助決策系統(tǒng)，是以醫(yī)學(xué)知識圖譜構(gòu)建為核心，并 結(jié)合知識的推理技術(shù)，形成一系列智能化服務(wù)為醫(yī)院的臨床業(yè)務(wù)系統(tǒng) 賦能，從而輔助臨床醫(yī)生在診療過程中進(jìn)行決策支持。第14頁共59頁人工智能臨床輔助決策系統(tǒng)與

30、醫(yī)院各業(yè)務(wù)系統(tǒng)進(jìn)行集成交互后的整體應(yīng)用服務(wù)架構(gòu)如下圖所示。如上圖，通過獲取權(quán)威數(shù)據(jù)來源，包括臨床病例數(shù)據(jù)信息；應(yīng)用電子病歷檢查檢驗(yàn)報告知識圖譜推理引擎醫(yī)囑單醫(yī)學(xué)知識圖譜治療方案整體應(yīng)用服務(wù)架構(gòu)如下圖所示。如上圖，通過獲取權(quán)威數(shù)據(jù)來源，包括臨床病例數(shù)據(jù)信息；應(yīng)用電子病歷檢查檢驗(yàn)報告知識圖譜推理引擎醫(yī)囑單醫(yī)學(xué)知識圖譜治療方案醫(yī)療數(shù)據(jù)結(jié)構(gòu)化服務(wù)能力，提取并構(gòu)建醫(yī)學(xué)知識圖譜，結(jié)合知識圖譜 的推理引擎技術(shù)，構(gòu)建各應(yīng)用服務(wù)的推理能力以及相關(guān)規(guī)則的配置； 從形成以智能診斷、智能問診、合理用藥、知識推薦等一系列決策服 務(wù)，為臨床業(yè)務(wù)系統(tǒng)賦能。臨床業(yè)務(wù)系統(tǒng)也會實(shí)時產(chǎn)生相應(yīng)的臨床數(shù)據(jù)如電子病歷、檢驗(yàn)檢 查報告、醫(yī)

31、囑單、治療方案等等。該臨床數(shù)據(jù)可持續(xù)應(yīng)用于構(gòu)建、補(bǔ) 充、完善醫(yī)學(xué)知識圖譜建設(shè)。以此形成系統(tǒng)與應(yīng)用的閉環(huán)體系。知識體系架構(gòu)醫(yī)學(xué)知識體系的總體架構(gòu)主要包含：知識來源、知識生產(chǎn)以及知識庫三大部分。整體架構(gòu)如下圖所示：第15頁共59頁其中知識來源需確保知識庫資料本身的專業(yè)性、權(quán)威性、廣泛應(yīng) 用性等，同時知識來源也包含了臨床數(shù)據(jù)，希望通過大數(shù)據(jù)與深度學(xué) 習(xí)技術(shù)來挖掘與分析出經(jīng)驗(yàn)性的知識；知識生產(chǎn)過程主要是解決從數(shù) 據(jù)來源中提取出相應(yīng)的知識條目，具體的是以三元組的形式來表達(dá)知 識語義網(wǎng)絡(luò)，如感冒 主要表現(xiàn) 咳嗽，該過程包含了對于數(shù)據(jù)來 源的加工處理、實(shí)體提取、關(guān)系屬性提取、知識融合、校驗(yàn)與審核、 統(tǒng)計與挖

32、掘分析、以及知識更新策略等；最終基于生產(chǎn)出的知識形成 一系列的知識子庫，以及知識的邏輯與存儲架構(gòu)，本系統(tǒng)在構(gòu)建知識 體系中從邏輯層面將知識庫劃分了以知識圖譜未核心的的理論知識 庫以及基于臨床數(shù)據(jù)分析挖掘的經(jīng)驗(yàn)知識庫。4關(guān)鍵技術(shù)說明構(gòu)建醫(yī)學(xué)知識體系的知識圖譜技術(shù)知識圖譜是一種比較通用的語義知識的形式化描述框架。它用節(jié) 點(diǎn)表示語義符號，用邊表示符號之間的語義關(guān)系。通過語義網(wǎng)絡(luò)技術(shù) 來描述客觀存在的事實(shí)。在計算機(jī)世界中，節(jié)點(diǎn)和邊的符號通過“符第16頁共59頁 號具化”表征物理世界和認(rèn)知世界的對象，并作為不同個體對認(rèn)知世 界中信息和知識進(jìn)行描述和交換的橋梁。知識圖譜的邏輯結(jié)構(gòu)可分為模式層與數(shù)據(jù)層，模式

33、層在數(shù)據(jù)層之 上，是知識圖譜的核心，模式層存儲的是經(jīng)過提煉的知識，通常采 用本體庫來管理知識圖譜的模式層，借助本體庫對公理、規(guī)則和約束 條件的支持能力來規(guī)范實(shí)體、關(guān)系以及實(shí)體的類型和屬性等對象之間 的聯(lián)系。數(shù)據(jù)層主要是由一系列的事實(shí)組成，而知識將以事實(shí)為單 位進(jìn)行存儲。在知識圖譜的數(shù)據(jù)層，知識以事實(shí)fact）為單位存儲 在圖數(shù)據(jù)庫。如果以“實(shí)體一關(guān)系一實(shí)體”或者“實(shí)體一屬性一性 值”三元組作為事實(shí)的基本表達(dá)方式，則存儲在圖數(shù)據(jù)庫中的所有 數(shù)據(jù)將構(gòu)成龐大的實(shí)體關(guān)系網(wǎng)絡(luò)，形成“知識圖譜”。知識圖譜作為 機(jī)器認(rèn)知智能實(shí)現(xiàn)的基礎(chǔ)之一，是人工智能的重要組成部分。醫(yī)學(xué)知識圖譜構(gòu)建技術(shù)歸納為五部分，即醫(yī)學(xué)知

34、識的表示、抽取、 融合、推理以及質(zhì)量評估。通過從大量的結(jié)構(gòu)化或非結(jié)構(gòu)化的醫(yī)學(xué)數(shù) 據(jù)中提取出實(shí)體、關(guān)系、屬性等知識圖譜的組成元素，選擇合理高效 的方式存入知識庫。醫(yī)學(xué)知識融合對醫(yī)學(xué)知識庫內(nèi)容進(jìn)行消歧和鏈 按，增強(qiáng)知識庫內(nèi)部的邏輯性和表達(dá)能力，并通過人工或自動的方式 為醫(yī)學(xué)知識圖譜更新舊知識或補(bǔ)充新知識。借助知識推理，推出缺失 事實(shí)，自動完成疾病診斷與治療。質(zhì)量評估則是保障數(shù)據(jù)的重要手段， 提高醫(yī)學(xué)知識圖譜的可信度和準(zhǔn)確度。第17頁共59頁解決電子病歷結(jié)構(gòu)化的深度學(xué)習(xí)技術(shù)電子病歷結(jié)構(gòu)化主要是指從電子病歷文本中提取出患者的臨床表 現(xiàn)信息、檢驗(yàn)檢查信息、手術(shù)、用藥、既往疾病等結(jié)構(gòu)化的、規(guī)范化 的的，可

35、被計算機(jī)讀取，存儲和分析的數(shù)據(jù)信息。通過應(yīng)用深度學(xué)習(xí)技術(shù)，可以解決從文本中提取實(shí)體、關(guān)系、屬 性的問題。以深度學(xué)習(xí)算法模型，具體如BiLSTM, CRF, Attention等 網(wǎng)絡(luò)模型，采用有監(jiān)督的訓(xùn)練學(xué)習(xí)方式，通過標(biāo)注一定規(guī)模的電子病 歷語料來進(jìn)行迭代訓(xùn)練，再利用GPU加速能力，快速訓(xùn)練生成模型， 使得深度學(xué)習(xí)網(wǎng)絡(luò)能夠具備一定的識別和標(biāo)注能力。從而實(shí)現(xiàn)電子病 歷結(jié)構(gòu)化的提取需求。構(gòu)建臨床經(jīng)驗(yàn)知識庫的大數(shù)據(jù)分析技術(shù)隨著大數(shù)據(jù)技術(shù)的發(fā)展，以及臨床中大規(guī)模數(shù)據(jù)的產(chǎn)生，醫(yī)生的 臨床診療經(jīng)驗(yàn)和價值都沉淀在這些數(shù)據(jù)中。然而這些經(jīng)驗(yàn)知識和價值 的挖掘需要依賴大數(shù)據(jù)技術(shù)，包括數(shù)據(jù)的存儲、分析、查詢與統(tǒng)計等

36、。對于結(jié)構(gòu)化的數(shù)據(jù)統(tǒng)計分析，可以以疾病維度進(jìn)行分析挖掘，如 分析某種疾病在一定范圍內(nèi)的發(fā)病率、患病率、治愈率、治療周期、 治療費(fèi)用、用藥情況等。基于電子病歷等非結(jié)構(gòu)化數(shù)據(jù)，可以應(yīng)用深 度學(xué)習(xí)技術(shù)進(jìn)行結(jié)構(gòu)化提取，進(jìn)一步使用統(tǒng)計分析技術(shù)來挖掘其潛在 價值。利用大數(shù)據(jù)的索引技術(shù)、NOSQL存儲技術(shù)，可以快速、可擴(kuò) 展的構(gòu)建以患者、疾病、臨床表現(xiàn)等為核心的畫像庫，為臨床輔助決 策過程提供經(jīng)驗(yàn)知識的參考。第18頁共59頁5系統(tǒng)部署架構(gòu)本項(xiàng)目系統(tǒng)部署主要分為兩部分，分別是臨床輔助決策服務(wù)、以 及臨床輔助決策助手，即服務(wù)端與客戶端兩部分。支持內(nèi)網(wǎng)和外網(wǎng)的 部署方案。通常在區(qū)縣部署時，將服務(wù)端“臨床輔助決策服

37、務(wù)”統(tǒng)一 部署在區(qū)縣衛(wèi)健委的信息中心，并提供對外服務(wù)；而將客戶端“臨床 輔助決策助手”安裝在各鄉(xiāng)鎮(zhèn)衛(wèi)生院的醫(yī)生端的pc之上。整體部署架構(gòu)如下圖所示:安裝臨床輔助決策助手區(qū)縣衛(wèi)健委信息中心臨床輔助決策服務(wù)集群鄉(xiāng)鎮(zhèn)衛(wèi)生院2； | 鄉(xiāng)鎮(zhèn)衛(wèi)生院.n醫(yī)生PC安裝臨床輔助決策助手區(qū)縣衛(wèi)健委信息中心臨床輔助決策服務(wù)集群鄉(xiāng)鎮(zhèn)衛(wèi)生院2； | 鄉(xiāng)鎮(zhèn)衛(wèi)生院.n醫(yī)生PC醫(yī)生PC醫(yī)生PC醫(yī)生PC醫(yī)生PC醫(yī)生PC醫(yī)生PC 醫(yī)生PC 醫(yī)生PCqqqHqss臨床輔助決策系統(tǒng)服務(wù)臨床輔助決策系統(tǒng)服務(wù)包含了數(shù)據(jù)庫服務(wù)、接口服務(wù)、配置管理 應(yīng)用服務(wù)。數(shù)據(jù)庫服務(wù)包含了醫(yī)學(xué)知識圖譜庫，內(nèi)置大規(guī)模的三元組 知識；索引庫，用于提升知識高級

38、、快速檢索需求；規(guī)則知識庫，解 決檢驗(yàn)指標(biāo)判別、疾病診斷依據(jù)等規(guī)則知識；患者畫像庫，提供患者 的畫像標(biāo)簽；疾病畫像庫，基于臨床病例數(shù)據(jù)分析形成的疾病畫像庫第19頁共59頁 等。接口服務(wù)包含了各類為業(yè)務(wù)應(yīng)用提供支撐的服務(wù)，提供標(biāo)準(zhǔn)的 RESTFul接口規(guī)范，如智能診斷服務(wù)接口、問診服務(wù)接口、知識檢索 服務(wù)接口等。配置管理應(yīng)用主要用于配置管理核心服務(wù)模型參數(shù)、用 戶的配置信息等。系統(tǒng)服務(wù)端部署支持單點(diǎn)與集群的部署方案，集群方案提供可靠、 穩(wěn)定的服務(wù)保障；系統(tǒng)部署采用Docker容器化部署方案，大大提升 的部署效率。系統(tǒng)服務(wù)端支持虛擬機(jī)與物理機(jī)的部署。桌面端智能助手臨床輔助決策系統(tǒng)提供了一個桌面端的

39、智能助手，為醫(yī)生在診療 過程中提供全程決策支持服務(wù)，該助手安裝打開后將隱藏在桌面的右 下角，如下圖所示：智能助手主要為臨床醫(yī)生按需提供被動與主動式服務(wù)。被動式服務(wù)：主要是指當(dāng)臨床服務(wù)決策系統(tǒng)與醫(yī)院業(yè)務(wù)系統(tǒng)進(jìn)行 集成對接后，智能助手將實(shí)施監(jiān)控臨床醫(yī)生的操作業(yè)務(wù)流程、患者數(shù) 據(jù)等，在適當(dāng)?shù)臅r候，如醫(yī)生可能存在診斷偏差、醫(yī)生需要問診提示、 醫(yī)囑分析有異常等場景下，給與合理的決策提醒。主動式服務(wù)：當(dāng)臨床醫(yī)生需要獲取一些知識，如查詢疾病知識、第20頁共59頁用藥知識、查詢相似病例、使用醫(yī)學(xué)公式等情況的時候，可以展開智 能助手，點(diǎn)擊相應(yīng)功能來獲取知識。當(dāng)鼠標(biāo)放置到智能助手的圖標(biāo)上 時，助手可進(jìn)行展開，展開

40、之后的主要功能有：醫(yī)學(xué)知識檢索、智能 問診、知識可視化瀏覽、智能診斷、智能問答、醫(yī)學(xué)公式以及更多決 策服務(wù)等功能，如下圖所示：輔助 問診醫(yī)學(xué) 工具人工智能臨床 輔助決策系統(tǒng)相似 病例病歷 質(zhì)控醫(yī)囑分析知識可視化.知識 查詢6.1醫(yī)學(xué)知識查詢輔助 問診醫(yī)學(xué) 工具人工智能臨床 輔助決策系統(tǒng)相似 病例病歷 質(zhì)控醫(yī)囑分析知識可視化.知識 查詢6.1醫(yī)學(xué)知識查詢系統(tǒng)提供豐富的醫(yī)學(xué)知識檢索能力，當(dāng)臨床醫(yī)生對一些知識點(diǎn)存在疑問或需要查詢的時候，可通過該功能模塊進(jìn)行查詢，系統(tǒng)集成了第21頁共59頁人工智能臨床輔助決策系統(tǒng)，以醫(yī)學(xué)知識圖譜為核心，結(jié)合深度學(xué)習(xí)、大數(shù)據(jù)分析技術(shù)實(shí)現(xiàn)了一系列智能決策功能，如：輔助診斷

41、、 輔助問診、相似病例、病例質(zhì)控、知識可視化等，如下圖所示:輔助診斷院感檢測人衛(wèi)專業(yè)權(quán)威的知識庫。醫(yī)療知識圖譜瀏覽器ixnMsWL4*L6：i諄內(nèi)腓憶茫ixnMsWL4*L6：i諄內(nèi)腓憶茫圖醫(yī)學(xué)知識檢索界面檢索過程提供信息自動補(bǔ)全以及術(shù)語提示，醫(yī)療知識術(shù)語詳情展示如下圖所示，由人衛(wèi)權(quán)威知識庫提供靜態(tài)知識查詢：樂 AirKids-： 高血壓3登部 3 :小 謁 1F.用-：i- 1：1:；.=1二“高值庫阿直I-.11七二，T 二；-I 二二壁TUI ： 一相7.”專.據(jù)力,旦工一”;51一：廠7卜；汨三；一;；三：.T?”.“注二 外周一力兩者相互作用門工豐：目前離血壓詒斷標(biāo)腥及分類（表1即口

42、 ；百歲以上成年人高血壓定義為；在未服抗高血壓藥物朗兄下咄電壓土1期他1和（或;舒張壓. E=tHj?。?工1三1上亡：.二七甲網(wǎng)方三上雇,凡 f ru： m：j M卜肛Efk，t. i：f二二 ：工萬岸”圖訃.：遍： 同的臟別自按兩者中較蒿蹣另蠟類。二?口憶:卜尸治工簫，二7二1底TY亡tJ工陽；爾：甘苫”J.1L .亡 3 ;= .二：酒二：高血Jk病質(zhì)!一、程:：?血 T： .y當(dāng)ITV l .T：l 71 : ?L i,r.:71 - ILfr -, ir： -|- ： h：鏟rts-m。1 5.；kI二 If，工urdu r Tii ttnsiQ.O。中三卜二 H：二 f T f ;

43、石：二,也.三5R 革 Z ： ,三一 .LJ零：工匚工：，：-T：-.二三： * ：三恒 |：小 殍臟器，2小腦、腎小幽喻急得徵這些巖宮的叨樹出 一；.田：二：人稗中血壓呈理柒性正盍分布正常也壓不漏血壓的削卦硼痛界線，高血壓的標(biāo)準(zhǔn)附陶際瓦?用熊學(xué)資料界定的*目前，曲國通用的 二U.；.：二二匕7 71,工亡_工；.二支用力一方防通用小三|鵬二二LWEfZl ，：，:JL： qonr%中省二鬲十.止圖醫(yī)學(xué)知識詳情（基于人衛(wèi)知識）智能輔助診療系統(tǒng)支持與電子病歷系統(tǒng)對接，提供便捷的對接方案，醫(yī)生在電子病歷系統(tǒng)中輸入了患者的基本信息、主訴、現(xiàn)病史、個人史、既往第22頁共59頁史等信息后，即可點(diǎn)擊智能

44、診斷按鈕，由系統(tǒng)基于醫(yī)學(xué)知識圖譜進(jìn)行 智能診斷推薦。如下圖所示，從而提供智能診斷推薦，防止漏診、誤 診現(xiàn)象，提升臨床醫(yī)生診療效率。,主嫌SCfflE-度盡嗤啤.國投|親年。苜通亡漏向1君.R危蘭I分行| IW11 +自|rwi 國司 yi心擊411 +皿|ri ri t聞昂里址漢：經(jīng)黨ilk喀5帙取五口三二 需而列-汨0tr.再坦.否訐費(fèi)二.賃EBSFWE5匕無電電及加機(jī) 汽E班支仍由同Em柳的您臍皆黑klTKFM. %,=生下E也版T垢我推?；?FWEft就UE0曾，立Kit JE Ill皆于II冶肝歸,主嫌SCfflE-度盡嗤啤.國投|親年。苜通亡漏向1君.R危蘭I分行| IW11 +自|

45、rwi 國司 yi心擊411 +皿|ri ri t聞昂里址漢：經(jīng)黨ilk喀5帙取五口三二 需而列-汨0tr.再坦.否訐費(fèi)二.賃EBSFWE5匕無電電及加機(jī) 汽E班支仍由同Em柳的您臍皆黑klTKFM. %,=生下E也版T垢我推?；?FWEft就UE0曾，立Kit JE Ill圖智能輔助診斷輔助診斷推薦結(jié)果主要包含三部分信息，分別是：常見病診斷推薦、危重疾病提醒（突出提醒醫(yī)生關(guān)注危急重疾病情況）、相似病例推一3 二夕、.輔即停新姑果以下設(shè)掛蝸f,中庭生埠舊建疑似疾旃推昔只有居急李町克與管E硒提lUNHi7 萬慟生定石管也逛比震 Ml. r-l-T ； H：- ： 7- 性/輔即停新姑果以下設(shè)掛蝸

46、f,中庭生埠舊建疑似疾旃推昔只有居急李町克與管E硒提lUNHi7 萬慟生定石管也逛比震 Ml. r-l-T ； H：- ： 7- 性/星1席 II：:F1-燈出目式性豆三同6近修鶴說問*:母巨匝波：限溺S殳：代亙建國：疑擬J本貴推存楠幡斷結(jié)果以F徨審事*以國三學(xué)街力度關(guān)而濟(jì)性左心衰遏年已賞I市也密I粒踴重任手足口眄柒4緊糕神理卡口室酬抱言洋L?士甲狀腺淞性沖雁 疑民淋巴搐般寐度IQI共舌他想亙苕rFirr +破 亙的知深11十睚2I分南1 |第忸J |十對比|五工二r-i fisi 十對封S后用商利4版| -s-田布| |硼| |十到到|公桁|I肛! | | 4對比|1方箱1 I的I T神I

47、危 ri ri 十雌 點(diǎn)工式EJ5妥相似病例據(jù)的麗性也比南伴痛同，下肢浮腫1例塢 1= mini老年患古I她感蟲一例題圖1胤I典空塵薊與合井肺部例至一蛔福心5IHII行：套伴發(fā)I官國*iJisjLa mu8PoiRCA晶LW mu克，管卑用胸;冷個足.呼吸團(tuán)裁晶工芭i|iii國闔犢出現(xiàn)麗炭法罰 Ja IIIII餒性音功能不主T題心冕mu支F 丁藏圖H利SiL-S mi將網(wǎng).乏力2尾，加引伴氣爆1月，第組臺福卜浣mi圖 輔助診斷推薦：常見病推薦、危急重病提醒、相似病例參考第23頁共59頁若臨床醫(yī)生對于診斷結(jié)果有異議，或者想進(jìn)一步查看診斷的分析過程，可以點(diǎn)擊對應(yīng)推薦疾病的“分析”按鈕，進(jìn)行相應(yīng)診斷

48、分析詳情的查看，如下圖所示:輔明彼曬果CTF出日再每4醫(yī)生爭#杪輔明彼曬果CTF出日再每4醫(yī)生爭#杪s筵fQ虻癰推看支三看肌炎1U3 IN|分柝| |知日| |蘆龍七|聞J或曲麗1叵百|(zhì) 一叼此|露a福期R炭in叵應(yīng)I REgI I f市陰|目出鞋F(xiàn) 會M宣國F1FFI解歸至_ 例世世問訪比說：H班用付找空電住西建履：稼被建過：Iff無曩遍1陋建M像斯防皚單分析上示5曲話支GIB肺炎法樂土 H?川國至臺 五嗔莖臺法珂的臨床率典洞 郵京一軸匹配j叁王壺雙。色用羽呻拒注住陰唳白次叁表現(xiàn)一曲5不梅騰向法倩的承慚字爾有呼段方京翁見亍五一曾解史法病的I茫泰敬齒兌時迸一涉慚建議問淵1也。是百g下頷：房鶴欣

49、詢歡 研他崛有鼻I城旃募曲克丁苣麻黨的K瓶現(xiàn)存燙出J體主遑卷眸*秋莖迷說吉克部僅當(dāng)前愿舍病例描述. 駒住川罰農(nóng)民了。*班版.腰便K鼎年再境加正 辭用悶口.g史后者于, I：治年而開由出現(xiàn)豆:S國 鼠，星牛理性,伴蝴. 好 白色. 梅克 聲在百克在后出現(xiàn).員艮 就儂于當(dāng)咱去里、生后慢性五三盲 歿，子抗球.止雌族.-.餐開既注史新人-高OLE; a.商.品心布窄 活安，衙A“肝魂:、-麻塞京-巧呼殺 活匠，元薩閭財E兄無外 由手毛史.元箱IL巨，及訪摭科史 不祥.打.七1:0第強(qiáng)洶21回分RR1而/EEhg,孟言正抵 手圖診斷詳情分析診斷詳情頁面，將會給出當(dāng)前診斷患者基本信息，以及相似病例 推薦，

50、用戶點(diǎn)擊左側(cè)每一個診斷推薦結(jié)果，那么中間部分則會自動給 出針對該診斷結(jié)果的分析過程，分析過程基于知識圖譜進(jìn)行解釋，同 時也結(jié)合醫(yī)院歷史相似病例給與佐證（如下圖所示），這樣更加有說服 力和指導(dǎo)價值。第24頁共59頁性生in系虹曲附室 下曲詡n例 性生in系虹曲附室 下曲詡n例 1111|1也上泉unis注駐希期自冽uni麗泮氏I砌跖IW融展mi* 口辰4Ki.S m克，吞3問.氣促.呼跑窿!2i_Z vrin喀淵出即腳K,隼應(yīng)用上賽ill”庚性的牛蝦包T既工五|刖|或司詈/去件恁蟲f田總liii向應(yīng)I、三方毋，配作一促1月.由E8 . 日占in相似病洌詳情標(biāo)SS.怖ft性心出娜湎通 下肢洋肺1例

51、基本伯鹿；另住了5歲JE悻另內(nèi)空心血管內(nèi)也主訴；紅黛蛔.喳良.孫氏童聲.再比便1周.淵田：恐M于*親尋麗？RM出爾及更隈K.呈區(qū)發(fā)住 國醫(yī)庚.領(lǐng)取白總理安，不易顯出，伴 施旗，促.：:抵明規(guī)，擊在受 蘇盛作.登JEfc飽飆. 博幢如COP，手護(hù)吟L平I國It,向邦MUS.國注為慢H圮鑫性防理/二 營認(rèn)侑血壓：,噌網(wǎng)舔。網(wǎng)用窈定.舌溫嘶 奧|賴嗡,等用藕網(wǎng)史無國物及全電過 寞意 無外藥日已 無雨血以 砥5蝴 在不i毛體相隹速! 3工Gt.RglK汾R2際ERI皿jflijEEh9P沖：？溫.老.璃沖是， 次入麗-吁以曲思 當(dāng)X臺作，至鼻由肚 翹*無g值EHL京，士S知消弓烏無拼 大.強(qiáng)省蛉籍型腫

52、，眼空無荏白，一 BF初步嬲斷；堡晚班洋性心甜病口臊頑閨生:1耐T性心 15斤七激梃瓢當(dāng)前茁者宛伏指述S.BIS3E.網(wǎng)蔓化除始，再戰(zhàn)加些病悶1后Eflt于七帝年苗開碎觀,受貧哦至好舞住i伴牌/ 沙訐日曰唔嘴羅在器G受季后出現(xiàn).盛夏苴法于當(dāng)期臣 院i *期斷45，*潟 子阮盛EL.山印送 羊電餐右 力后可等均 加江狀仍度工 此阻于H周利空F后耳;H/ 中.IfeH. 1E日色和理,開叁舞電，無期HI.而Qi俄開麻在史否認(rèn)TSHL壓二-埔展席一百匚r事鹿生 St-BFF 費(fèi)二箭站場一等憐辿唐史,受藥物及食物瓦跋史.無勤也 手術(shù)史.徐血史. 匝訪雁即史不許,T*式,P密況分.睚1.如分3R1總標(biāo)正

53、#,森日如耳阪的鼎 MSrS.目主悻位，空白 柞.主身虎亍附!氏的施身出1.全歸清等書日相口 大.女的元整宗.理括無多白.湫班鰭孔士刷工 克隆 妁工Cmn.對此展時只第T,潑卻 舌工中，展尸圖相似病例查看在與醫(yī)院臨床數(shù)據(jù)中心進(jìn)行對接后，也提供了各診斷結(jié)果的畫像分析詳情（如下圖所示），醫(yī)生可根據(jù)相關(guān)信息進(jìn)行參考并決策判斷。支管管肺炎空向明咕耳底達(dá) 更少.早融物唳看SEflKIWmgr?0左相同EW口一RA.ffllK在捷里El!-4WW*3Ets E.A.卬也事小值- W.iL. H 由隨21甫0立D小JIAF 何劄:13則利用QwfSS. F1 沃WS：手8.珥土汨：m固三口“我跌4加0卬的.

54、改博速二 工Ajte：西.1跳更快用是*日出*氏.黑?。籘 t-iL5inn, r-,串知:看，三彳俵.，gwTBri,朝理t*朝aWMSS 由鼻幻注1嚴(yán)例書用分 Hffia,迎鼻|用柏訐K 萬量可圜電1：*13：事一爐Ei監(jiān)處中.右明 由無口飛華魯口正一銅H1 磨電KI HrWWtp, 強(qiáng)，E為FD 0，法空rw1tf出第*用 曰!dEur1.甯巴近靠nr阡住t泗打口，黨歲工1匕謔/任，斤子.灰皿和匚*不久1 n_F&TWhzna圖院內(nèi)疾病畫像分析當(dāng)醫(yī)生對于診斷推薦結(jié)果中的某兩個疾病存在歧義考慮的時候，可以進(jìn)一步選擇指定的兩個診斷結(jié)果進(jìn)行比對分析，如下圖所示：第25頁共59頁砌玲甑陸果京下置

55、魅4.心.醫(yī)生泳手SJ灌支3管I假Q(mào)SKriY對比麻西SPttf-xi航哇富諾斯遺猊十對比砌玲甑陸果京下置魅4.心.醫(yī)生泳手SJ灌支3管I假Q(mào)SKriY對比麻西SPttf-xi航哇富諾斯遺猊十對比一| lahP lrqttttii.!MJ息前酬翟和21建至疏法.注字出咕費(fèi)建俄；工于M總江卻:*雌對比行街:同城記支氣管肺液i畸II訴妻現(xiàn)后也循候呼丑哥軍任巾不獗值班喀學(xué)寫IMJ叵說的 Ml!超?聽噴步忻i新曬慚休起，無宕析慢性支氣管炎若區(qū).SlSfS SS5i5&tt5= 色爾三住.色土中等圖診斷結(jié)果對比分析知識可視化瀏覽系統(tǒng)基于權(quán)威醫(yī)學(xué)數(shù)據(jù)梳理形成了大規(guī)模知識圖譜，因此也構(gòu)建了豐富的、結(jié)構(gòu)化、語

56、義化的知識網(wǎng)絡(luò)。采用可視化的展示方式，提供了更加直觀便捷的知識查詢與瀏覽服務(wù)，如下圖所示：Efttwrttd 一口汽Efttwrttd 一口汽醫(yī)囑決策分析在醫(yī)生開具醫(yī)囑場景中（包含用藥、檢驗(yàn)、檢查等醫(yī)囑），結(jié)合患者的畫像信息，應(yīng)用知識圖譜中的知識來判別醫(yī)囑開具的合理性。例如，第26頁共59頁基于藥物的禁忌證、相互作用、不良反應(yīng)等語義關(guān)系對應(yīng)的知識，可 以推理分析下達(dá)的藥物醫(yī)囑是否適用于當(dāng)前畫者，從而實(shí)現(xiàn)智能化的 提醒服務(wù)。如下圖所示：用戶范本信息，.用戶桂名即西史： 生軍在去體質(zhì)D醫(yī)展列表序號班目登型便用方法醫(yī)師序號班目登型便用方法【口嗜=】相對=百比；r題注 不全j宣君歷史智能知識問詢基于權(quán)

57、威、大規(guī)模的醫(yī)學(xué)知識圖譜，產(chǎn)品提供了系列智能問詢服 務(wù)，主要包括智能問診，內(nèi)置強(qiáng)大的知識推理服務(wù)，基于患者所述臨 床表現(xiàn)信息進(jìn)行詢證式的問詢與推理，并最終給出診斷結(jié)果推薦;“二；f 1HHPrattSJ：同時結(jié)合龐大的知識庫，提供信息的快速獲取方式，采用自然語 言及語音的方式來實(shí)現(xiàn)知識的問詢。第27頁共59頁a f H*雷fh J 414WfeiUU a f H*雷fh J 414WfeiU效果：最終患者的腿部片子出來了，在正面拍攝的片子中沒有看 到任何異常，但是在側(cè)面拍攝的片子中發(fā)現(xiàn)了輕微的骨折現(xiàn)象。用藥醫(yī)囑的合理提醒場景：小宋剛給一個患者下完初診斷為“消化性潰瘍”，智能助 手沒有觸發(fā)提醒，

58、表示默認(rèn)與小宋診斷意見一致。最終患者也確診了， 因此小宋準(zhǔn)備開具藥物治療方案。當(dāng)前患者男性，58歲，具有身腎 功能不全的疾病，體質(zhì)為對海鮮過敏，沒有明確的藥物過敏史。應(yīng)用&效果：小宋對該患者下了用藥的醫(yī)囑，給患者開了 “枸櫞 酸鉍鉀顆?！?，剛添加完，智能助手又給出了提示“枸櫞酸鉍鉀”絕第42頁共59頁對禁忌證是“腎功能不全”。即曰基本信息可尸嵯笆： 張三,性利； 書 文年玷：53現(xiàn)嘴走：3力蛤工至。會狀態(tài)：Q加：，:二話Q醫(yī)聯(lián)列表溢HU 葡定項(xiàng)目類正珀目名稱力使用方法醫(yī)活操作1用藥1-O 【阿蜩癱可】釗范思證；*功礪全】苴n元史疑難雜癥的輔助判斷分析場景：老張，最近接診了一個患者，診斷結(jié)果為“

59、克羅恩病”， 相關(guān)檢查檢驗(yàn)結(jié)果也確實(shí)支持這一診斷。經(jīng)過對應(yīng)治療后患者病情并 沒有達(dá)到預(yù)期的改善，而且有發(fā)熱現(xiàn)象，老張就懷疑可能有其他并發(fā) 癥。應(yīng)用：老張需要分析克羅恩病與發(fā)熱之間存在的聯(lián)系。但是與發(fā) 熱相關(guān)的疾病太多了一一篩查相當(dāng)復(fù)雜，因此老張使用了智能助手中 的“疑難雜癥”分析功能。該功能分析了克羅恩病與發(fā)熱之間存在的 知識路徑。第43頁共59頁效果：老張根據(jù)分析出的路徑排查結(jié)合臨床表現(xiàn)，最后確認(rèn)了是 由于克羅恩病并發(fā)了腹部膿腫導(dǎo)致的患者發(fā)熱現(xiàn)象。智能化分析病歷質(zhì)量場景：小劉是A醫(yī)院病案室的一名質(zhì)控人員，每天需要審核大量 的病歷，主要基于病歷質(zhì)控標(biāo)準(zhǔn)進(jìn)行病歷評分。需要不斷的查看病歷 文書，工

60、作量大，而且效率較低。有時候甚至容易遺漏。應(yīng)用&效果：小劉通過使用“影醫(yī)病歷質(zhì)控”服務(wù)，通過一鍵點(diǎn) 擊，影醫(yī)病歷質(zhì)控服務(wù)將以可視化的方式自動標(biāo)注出病歷存在的問 題。然后小劉再做相應(yīng)的質(zhì)控審核調(diào)整，大大提升了小劉的工作效 率。第44頁共59頁男七俯祈性遍不三.三武tJ麗史：室號7-1天前舌更三昏=!凝生.若前天明晶員率，伴汨結(jié).志心百蛔為二，礪心硼.白行阻-后矢野利t予消？r日我有所里輪I片11tly后.更朝時有艘.發(fā)箔時拜仁句上選此1月的忠社又因受雇后出現(xiàn)直熱無一，頭&嘀，闞碑時為耳，筠期.帚福 后孵不因 無展料短，希匕砒，元干后臉.鎏汗.后合三越虧L*?., 13.學(xué)京X哇大更正三，王用三3