10倍于人工病历质控速度，40%录入效率提升，云知声AI系统上线福建省立医院

“感知”和“认知”两个词常活跃于人工智能领域。感知意味着用眼睛去看，用耳朵去听，用嘴巴去说；认知意味着对感知过程中收集的信息进行逻辑处理。如今，这些曾为人类所专属的行为已逐渐由机器实现。

通过感知智能，机器能够识别影像与语音，而通过认知智能，机器能理解信息并做出决策。这两项技术现已广泛应用于医疗领域，人工智能企业云知声便是其中的一员。

在CHIMA2019大会上，云知声一揽子发布了医疗语音交互解决方案、智能病历质控、智能候诊＆智能随访解决方案三大人工智能解决方案，从电子病历相关问题出发，将医生从繁重而枯燥的工作中解放出来——这是医院、医生最迫切的需求。

40％效率提升，语音录入正带领医生走出困境

据美国医学会统计，医生的职业生涯中的35％到40％时间花在了病历采集与录入之上，如果以时间价值衡量一个主任医师在电子病历上的投入，这一数字为每年65500欧元。

国内的情况同样不容乐观，在信息化的大趋势之下，很多医生不得不把更多的时间花在病例录入上。特别是一些乡镇医生，一套电子信息病历可能需要进行6次录入才能保证完整。

解决这一问题需要从两个角度解决，一方面需要提高系统的互操作性，降低病例录入的复杂度；另一方面需要优化语音录入流程，加快信息录入速度。云知声便是从后者出发，通过以知识图谱支持下的语音录入替代键盘录入、手动记录的方式，缩减医生花在电子病历录入上的时间。

这一方式在国外拥有实践支持。HIMSS2018年关于电子病历调查中显示，美国语音录入及键盘录入情况分别为37％和33％，而语音录入相较其他录入方式而言，大致提高了20到40％的效率。

语音录入同样能够缓解医生对于电子病历录入的抵触情绪，据福建省立医院信息中心王晟表示：“医生不太喜欢录入数据，过去他们只需要手写门诊病例，现在却要花大量时间在录入工作上，这使他们超负荷工作，不能按时下班。语音录入提高了他们的效率，也就减轻了他们的工作压力。”

但语音录入也存在诸多问题，一是需要保证语音的输入准确度，排除医生口音、特有名字对语音录入的影响；二是需要有效的设备对医院这样的场景进行降噪处理。

云知声医疗AI 产品经理郭崇亮介绍，云知声医疗语音交互解决方案由医疗语音识别引擎、语音录入客户端、定制麦克风和鼠标组成。以深度学习、超级计算和大数据等AI 技术为基础。

为适应医院不同科室实际的使用需求，该系统提供两个版本。其中，标准版提供一种方便快捷的辅助录入方式，医生通过口述患者病情，系统自动将语音转为文字，以结构化的方式录入电子病历数据，实时将文本输入至光标所在位置，从而提高录入效率；升级版则将专科识别模型、语音操控接口、语音过滤等专科化功能作为单独模块开发，实现系统的低耦合。可根据业务和场景需要与标准版系统进行自由组装，打包成不同的专科方案。

除此以外，云知声还实现了键盘录入和语音录入并存，即无需进行特定的“关闭语音输入法打开键盘输入法”步骤，即可自由切换，这些细节同样是提高医生效率的关键。

目前云知声医疗语音交互解决方案已在福建省立医院门诊全科室上线，识别准确率平均达97％，病历书写效率提升达40％。

AI质控克服人工质控“鸡肋”问题

无论采用哪一种病历数据录入方式，其中的错误在所难免。然后，病历质控并不是一个简单的校准问题，这个环节如同“鸡肋”，不能不管，也难以去管。

一方面，病历质控对质控员的能力有着极高的要求，合格的质控员需具有临床背景——华西医院质控岗位招聘公告中便要求应聘者具有“硕士及以上学历”、“临床医学及相关专业背景”。这样的招聘要求并不低，甚至比很多城市中心医院的临床科室招聘要求都高了许多。在中国医疗资源严重缺失的背景下，优秀的临床医学生尚不能满足临床需求，离开临床专职质控，无论是管理层还是医生本人都难以接受。

另一方面，一份病历长达数十页至上百页不等，人工质控需要花费大量的时间，且即使是经验丰富的医师也很难短时间从大量资料中找出其中的错误，很多错误需要质控人员联系病历中的各个部分才能找出，这无疑对质控员的各方面能力都提出了极高的要求。

在这一情况下，云知声依靠其基于百万数据构建知识图谱，打造了智能病历质控系统，该系统可准确理解病历内涵并进行缺陷筛查，重塑业务流程，大幅提高病历质控工作效率，以及质控的深度和广度。

云知声云知声IOT事业部总裁谢冠超告诉动脉网：“在提高病历质控准确率方面，云知声首先以不同省份的指控规范及不同医院的之风控规范基准，打造了一个语音库全集，再此基础上，云知声会根据特定医院特定场景对数据库进行补充。”

东南大学附属中大医院网络信息中心主任史亚香表示，作为合作方，中大医院病历质检覆盖率已达100％ ，质检缺陷覆盖面由原来的重点缺陷检查升级为全缺陷检查，质检工作提速接近10倍。

创新候诊、随访模式重构患者就医流程

云知声智能候诊系统作用于候诊室。在该系统支持下，机器人可主动发起和引导与患者的对话，完成病史采集工作，并将患者的病情摘要（病史）发送给医生，使得医生在见到患者之前，便已获得患者病情的部分信息，从而提高医生问诊效率，减少误诊。

智能随访解决方案则可根据规定问题模板模拟“医生”打电话给病人，提高随访效率，并可确保随访信息采集的全覆盖及准确性。同时，该系统还可为患者提供了各种个性化的院后服务，如复诊智能提醒、用药智能提醒、随访互动、康复指导、健康记录、医疗查询，帮助患者实现自我康复与健康管理，从另一角度来说也替医院完成了院后的服务延伸，增强用户体验和患者就医满意度。

云知声医疗业务合作伙伴，千佛山医院网络信息中心主任李锋指出，传统的候诊通常采取问卷填写方式，就诊时才可填写，人多时候容易造成排队情况，造成医患双方时间的浪费。引入智能问诊系统之后，通过在问诊逻辑方面的针对优化，相当于为医生配备了一个助手，完成常规性的诊前问诊，可有效减少医生的重复性病史采集（问诊）工作，提高问诊效率，使诊断更有针对性。

AI产品总是面临准确率和召回率的两难抉择

截至目前，云知声已储备约50万医学概念，169万医学术语库，398万医学关系库，以及52万医学属性值，涵盖了绝大部分药品、疾病、科室与检查。而在市场方面，云知声已经拿下了全国80％的医疗语音交互市场。

但云知声仍需尽力加强知识图谱的完备性，在语音交互方面提高对口语、方言、专业名词的识别能力，在病历质控方面逐步让准确率与召回率的同向上升。

同时，由于不同医院信息化，电子病历结构、质控流程的不同，要控制成本产品，云知声还需在各项指标中寻找一个准确度和通用性平衡的点，以打造最符合市场需求的产品。如何取舍，云知声还需继续求索。

文 ｜ 赵泓维

网站、公众号等转载请联系授权