7月5日，2024（18th）中国卫生信息技术/健康医疗大数据应用交流大会暨软硬件与健康医疗产品展览会（2024 CHITEC）在重庆国际博览中心盛大开幕。会议同期举办了第三届数字医疗健康创新服务案例大赛，由华中科技大学同济医学院附属协和医院与湖北福鑫科创信息技术有限公司联合申报的《基于大模型的生成式电子病历及内涵质控系统》创新服务案例经过层层角逐，荣获大赛创新优秀案例。
2024CHITEC数字医疗健康创新服务典型案例演示现场
案 例 展 播
编者按
2024(18th) 中国卫生信息技术/健康医疗大数据应用交流大会（2024 CHITEC）将于2024年7月5-7日在重庆举办。大会组织平行专题交流及成果与应用技术主题展，全面展示我国卫生健康信息领域卓越实力和水平。本届大会上将发布第三届CHITEC数字医疗健康创新服务典型案例征集结果。
第三届CHITEC数字医疗健康创新服务典型案例征集活动启动以来，得到全国各医疗卫生机构、高等院校、科研院所的积极响应。现将征集的典型案例陆续刊登，以进一步推广卫生健康信息化领域建设成效，促进经验分享和交流合作。
案 例 名 称：基于大模型的生成式电子病历及内涵质控系统
主体申报单位：华中科技大学同济医学院附属协和医院
联合申报单位：湖北福鑫科创信息技术有限公司
单位简介
华中科技大学同济医学院附属协和医院始建于1866年，是国家卫生健康委直属（管）的综合性公立医院、“双一流”高校附属医院（第一临床学院），国家首批三级甲等医院、全国百佳医院，荣获全国五一劳动奖状、全国文明单位等荣誉称号，临床与科研实力雄厚，在最新出炉的2021复旦排行榜中排名全国第7。武汉协和医院信息与数据中心，挂牌“湖北省医学检验与主动健康智能装备创新工程研究中心”“医疗科技安全实验室”，围绕“医疗管理”“临床服务”“运营管理”“行政后勤”“基础保障”已经建成9大体系200余个子系统，承担多项十三五医疗信息化项目，积累了丰富的医疗信息系统实践经验，培养了一批高素质人才。近几年在人工智能临床应用方面也有所突破，建设了AI辅助肺癌一体化医学诊疗方案、基于数字孪生的混合现实影像云平台、肿瘤疾病临床医疗大数据中心、AI虚拟人适老化全程服务系统，为本项目的顺利开展奠定了良好的业务基础。
针对问题/应用场景
伴随着门诊电子病历的普及，医生书写病历的负担加重，导致医患沟通不充分、病历书写质量不高，严重影响患者就医满意度，医生亟需一套智能化系统帮助其减少手动填写病历的时间和工作，让医生更专注于问诊。其次，现有门诊电子病历质量较低，而传统的病历内涵质控采用规则库的方式，不能联系上下文语义质控，质控准确率和效率较低，医院亟需更精准的内涵质控工具。
通过AI大模型技术和知识图谱，结合院内大量疑难病例及科研数据，补充人工微调校正，构建华中科技大学同济医学院附属协和医院定制化的医疗大模型。具体来说，在医患对话过程中，通过语音识别采集医患对话，关联专科情况和患者的历史病历，对病情描述过程进行分析和处理，包括识别关键词、实体识别、语义分析等，进而自动生成结构化电子病历，让医生诊疗更高效。在病历书写过程中，利用AI大模型，对电子病历上下文一致性、编码正确性、医学逻辑等进行质控，提升病历质量，保障诊疗活动安全。
创新点
1. 基于三甲委属医院院内大数据、临床参与训练的量身定制AI大模型。基于院内积累的大量疑难病例临床数据、科研数据、一线临床专家的实践经验，为协和大模型提供了优质的数据训练和校正基础。
2. 应用层统一，可插拔的底层大模型引。在基础大模型的基础上，医疗辅助、患者服务的各类临床智能应用可以通过API能力快速集成，开箱即用。
3. 院内私有化部署的大模型，保证数据安全。为了保护患者的隐私和数据安全，协和采取严格的数据安全措施，如数据加密、访问控制和匿名化等。
4. 采用知识图谱和大模型共同训练打造AI病历内涵质控。将知识图谱应用于模型开发训练过程中。在训练前阶段，利用大模型做数据清洗，将特定语料进行错误检测或者过滤；在训练中阶段，构建以医学知识图谱为中心的下游评测任务，作为模型训练评估；在训练后阶段，利用知识图谱对模型生成后的结果进行知识校验，减少模型事实性错误，增强结果的可用性。
关键技术及其先进性
1. 成熟的院内特有大模型训练方案。首先是增量预训练，采用Transformer 模型架构，注入海量的领域知识；其次是监督微调技术，使用已有的院内脱敏的优质数据作为训练集，结合编写的prompt工程，进行模型的微调训练。同时密切关注模型的收敛情况和性能指标，及时调整训练策略和参数，确保模型的准确度和泛化能力。最后是通过奖励模型进行人类反馈的强化学习，建立人工校正和反馈机制，将模型的预测结果提交给医生进行审核和校正。医生根据自己的经验判断，对模型的预测结果进行调整和修正，同时将修正后的结果反馈给模型进行更新。
2. 完善的医疗大数据处理技术。医疗数据涵盖了患者信息、疾病数据、处方文本等各类结构化、非结构化的海量数据。通过数据汇聚、数据预处理、后结构化处理、数据分析挖掘、医疗实体识别、数据标注、文本转换等大数据处理技术，存入具备高效存储和索引的向量库、图形化数据库。
3. 语音交互转化。AI技术赋能强大的方言识别能力，支持患者发送普通话、多地不同方言进行语音实时交互，避免手动输入文字，降低患者操作难度，提升患者接受度。
4. 医学术语归一化。使用自然语言处理（NLP）技术从文本数据中提取医学术语，包括但不限于命名实体识别（NER），词性标注工具来进行词性标注和实体识别，并对提取的医学术语进行归一化处理。
应用效果
1. 提升医生诊疗效率
AI智能临床辅助应用通过自动化、智能化工具，快速处理和分析大量的医疗数据，通过大模型来理解和处理医疗专业人员的语音输入，自动生成结构化、符合医疗规范的电子病历，病历录入效率提升了80%，医生问诊时间节省了15%，不仅提高了医生的工作效率，使得医生能够更加专注于诊疗本身，还缩短了患者等待的时间，从而提升了患者就医的满意度和获得感。
2. 提升病历质量，降低医疗风险
整合电子病历系统与内涵质控系统，实现了质控一体化。通过AI智能预警、分级质控、全量质控，结合医院独有的知识库和规则库，对病历进行自动化评价和分析，提高了病历书写的规范性和准确性，帮助医生在诊疗过程中做出更合理的决策，降低了医疗差错的风险。
社会效益（推广性）
1. 优化患者体验。通过协和AI智能临床辅助应用大大增强了医患沟通，减少了患者的就医等待时间，辅助医生更清晰地解释病情和治疗方案，从而极大地提升了患者的就医体验和满意度。
2. 促进医疗技术创新。通过协和AI智能临床辅助应用在医疗信息化建设中引入了大量的智能算法和模型，实现了医疗大数据的转化和价值利用，反哺医疗技术的不断进步与创新这种技术创新的良性循环，将为医疗行业带来更多的发展机遇和空间。
3. 优化医疗资源配置。通过协和AI智能临床辅助应用使得医生能够更专注于病情的分析和诊断，提升门诊的诊疗效率和质量的同时，可以有效帮助医院优化医疗资源的配置管理，缓解医疗资源紧张不足的问题，可以提供更加优质的医疗服务。
问题与展望
1. 问题
由于医学知识更新换代较快，极度依赖临床经验，如何让模型训练的质控能力持续优化和扩充是需要未来长期关注的问题。
2. 展望
第一，协和将继续基于院内大模型，探索更多的院内临床应用，包括分诊预约、辅助诊疗、影像解读、检后随访、移动诊疗、不良事件助手等多个临床辅助应用。
第二，将大模型能力开源共享，助力区域医疗机构智能应用的信息化建设，提升区域医疗技术水平，以大数据驱动医疗信息化创新发展，构建全新的智慧医疗体系，深度赋能卫生健康行业，加快全民健康信息化的纵深内涵发展，提升患者就医体验和人民群众获得感、幸福感。
