导读
大模型等AI技术的应用是增加病历内涵质控深度、向内锻造技术硬度的关键。
在国家公立医院绩效考核、医院等级评审以及DRG/DIP支付方式改革的背景下，大量与医疗质量相关的监测指标已经成为考核医院业务能力的重要依据。作为主要数据来源的电子病历，其结构化程度和书写质量，都关系着各项监测指标的完整性和提取结果。
“病历数据已经成为体现医疗过程、医疗水平以及医疗质量的重要依据。”在第28届中国医院信息网络大会（CHIMA 2024）江苏省人民医院专场上，惠每科技高级解决方案专家陈鑫以“CDSS在病历内涵质控领域的创新应用”为题，分享了惠每医疗人工智能解决方案通过大模型等AI技术提升病历内涵质量的实践经验。用AI应对医院病历质控现状
传统医疗机构开展的病历质量控制工作主要围绕质控部门开展，但由于管理介入在病历流转的末期，无法实现病历书写的全周期监管，质控人员在专科和亚专科知识深度不同，以及问题校验需要翻阅多个文档，通过人工的方式只能对少量病历进行抽查。在面对全院、全员、全时段的海量病历数据时，这种方式对提升全院病历质量难以发挥切实作用。对于目前医院病历质控现状，陈鑫总结了实际存在的三个矛盾：海量病历和有限人力投入之间的矛盾。通常大型医院每月出院病历量约1万～5万，而专职质控人员配置通常为2～5人。按照10%的抽查比例，意味着质控人员每月人均需要质控200～1000份病历，每人每天质控超过50份病历。质控的深度要求与质控员水平参差不齐之间的矛盾。随着病历质量重要性的提升，各家医院的质控管理重点已经由传统的形式质控向内涵质控转变，但大部分医院质控员的精力和能力目前大量消耗在繁琐事务上，难以专心做好质控工作。质控的流程要求与落后管理工具之间的矛盾。相关规范和标准文件要求，医院医生、科室、医务、质控、病案等实现多部门协同，建立多级质控体系。但质控员除了要从病历中挑缺陷，对照评分表完成评分评级，还要监督医生整改和科室考核下发。“惠每医疗人工智能解决方案结合医院病历质控工作中的多个矛盾，基于CDSS技术开发了覆盖临床医生、质控人员和管理部门的病历质控系统。”陈鑫介绍，该系统应用了自然语言处理、深度学习、大模型等多种人工智能技术，覆盖全程、全量病历，旨在全方位提升病历质量，以此规范医生诊疗行为，提升全院医疗质量水平。
基于医务管理流程部署智能辅助工具
国家卫生健康委员会医政医管局编写的《病历书写和管理基本规范（2022年版）》明确，医疗机构病案管理实行院、科两级责任制，病案管理组织架构及职能分工，应体现决策层、控制层、执行层三个层级的作用。陈鑫表示，惠每病历质控系统开发之初秉承“两级责任制，三级分工制，多级科室协同制，AI全方位辅助”的原则，目标是将质控环节前置到医生，将缺陷控制在科室，并以此形成病历质控闭环，助力医院建设高效的病历质控体系。“病历质控系统能够覆盖病历流转全过程，是源于CDSS 3.0技术的应用。”陈鑫介绍，CDSS一方面可以通过对接所有医院业务系统，将患者信息处理为结构化数据，为病历质控系统提供数据基础；另一方面，基于CDSS的事中提醒等功能，病历质控系统可以通过规则的映射，将病历缺陷问题、位置和修改意见等及时提醒给医生或质控人员，辅助相关人员及时进行修改。在执行层，系统通过医生端窗口对临床医生书写病历时存在的问题和缺陷智能提醒，辅助医生及时修改，实现“边书写，边质控”，完成一级质控；在控制层，系统支持质控部门通过管理端对病历进行全量抽查，将疑似有问题的病历进行驳回，完成二级质控，并在归档前对编码进行校验，对病案首页进行审核，完成三级质控；在决策层，系统可为医院管理人员提供多维度的病历质控结果分析和统计。陈鑫强调，通过这种多层次、多场景的应用，能够提升病历质控工作与智能辅助软件的咬合度，并在AI的参与下对传统质控流程进行了重塑，通过“人工+系统”深度融合的方式，切实做好病历质量管理工作。
把质控规则专科化、专病化
“建立符合医院实际需求的病历质控规则库是发挥系统质控能力的重要前提，也是在专科建设中提升病历内涵质量的关键环节。”陈鑫表示，医院专科建设是高质量发展的必经之路，如何设计每一条质控规则并切实发挥作用，是每家医院都要下功夫的重点工作。为了保障病历质控系统发挥最大作用，惠每科技实施人员会与医院各科室形成质控规则库建设小组，在充分了解各科室诊疗习惯和质控要求的前提下，按照“病历书写规范”“十八项医疗质量安全核心制度”和“27项病案质控指标”等要求，针对病历中一致性、完整性、逻辑性和合理性等缺陷，梳理出符合医院实际的质控规则库。质控规则库主要分为两部分，一部分针对所有应用科室形成通用规则，能够提升基础病历的质量，另一部分针对特殊的专业科室或专业疾病，以此满足专科专病的建设需求。陈鑫表示，把质控规则专科化、专病化，不断向下挖掘深度，将成为接下来各医院需要探索和加强的工作之一，也是医院多元化发展，满足群众多元化医疗保障需求的重要步骤。
用大模型技术向内锻造技术硬度
自然语言处理、知识图谱等AI技术的应用，赋予了病历质控系统理解病历、调用规则和事中提醒的能力。而病历的内涵缺陷通常逻辑很抽象，没有具体定义和规则，其质控工作通常由高年资医生结合医学知识和诊疗经验进行分辨。对于目前绝大多数质控系统来说，通过规则解决与病历完整性、时效性相关的形式缺陷以及部分与一致性、逻辑性相关的内涵质控，已经可以满足医院对于病历质量管理的基本需求，但其质控逻辑仍无法像医学专家那样发现病历深层次的内涵缺陷。近两年，随着大模型技术的发展和探索，如何在垂直领域实现私有化部署并发挥价值成为各行业共同的发展目标。在医疗领域，大模型技术的应用已经在问诊等环节发挥作用，但在提升医疗质量方面仍属行业空白。
“基于大模型技术在理解能力和推理能力的优势，我们开发了聚焦医疗质量提升的惠每医疗大模型。”陈鑫介绍，基于大模型技术的病历质控系统能够发现此前AI系统无法发现的病历内涵问题，例如主诉和入院记录诊断无明显关联、入院诊断无相应诊断依据等。此外，基于大模型对话能力，其能够以人工质控专家的方式，将病历缺陷、依据及修改意见进行反馈，辅助医生理解并修改病历问题。陈鑫强调，大模型等AI技术的应用是增加病历内涵质控深度、向内锻造技术硬度的关键。惠每科技目前已将大模型应用于预问诊、病历生成、知识库问答等多个诊疗和管理环节，未来将不断探索，将AI技术应用于更多诊疗场景，助力智慧医院建设和高质量发展。
