第四部分 医疗服务

一、院内信息化

1.政策加持，蓬勃发展

传统的医院管理、医保收支结算、质控等环节对于数据处理的需求快速增加，信息化企业在电子病历、各科室数据互通、医院评级、药房自动化等领域形成可落地的应用。电子病历管理，利用数字化手段保存、管理、传输患者医疗记录；导诊机器人指导患者就医、引导分诊，分担院内压力；通过智能化病房管理、绩效管理以及人力财税等综合后台系统管理，实现精细化运营。

图|医院信息化配合AI落地生态

政策支持医疗信息化发展。根据十四五规划，到2025年，二级医院需实现电子病历应用3级到4级的升级，三级医院则需达到5级及以上。

图|政策支持医疗信息化发展

2.应用场景

通过智能化的病历管理、患者信息管理和医疗资源调度，AI为医疗机构赋能，为患者缩短诊疗流程，提高效率。

智能预警系统实时监测患者情况，为医护人员提供实时反馈，进一步提高医疗质量。基于NLP算法，AI能够及时发现各类医疗文本信息错误并上报，高效及时发现高危问题。政策重点强调单病种质控，覆盖病种和数量均增加，利用AI进行数字化和信息化监控和上报是最佳解决方式。

在超声、放射、内镜、病理等检查科室，智慧预约系统通过AI自动识别患者检查电子申请单，结合与检查相关的环境/医学/时间等多种因素，为患者推荐最合理的检查预约时间，提高就诊效率。

在医药分开为导向、智慧医院建设持续推进的公立医院改革背景下，医院对医疗物资智能管理和智慧药房系统的需求越发急迫，在软件系统管理和控制下，智慧药房项目通过自动发药机、智能针剂管理柜、智能毒麻药品管理柜、智能预配货架、智能存取货架等设备，实现药房药品的自动化存储、调配、传送和发放。通过智慧药品管理系统对药房工作进行流程再造，提升药品调配效率、有效防范人为差错，实现药品库存效期智能管理，进而提升药事服务质量，改善药房工作条件，缩短患者取药等候时间，实现药房药品的智能化管理。

3.AI医院管理：提高医疗服务质量，优化医院运营效率

医院管理涵盖对医院医疗、教学和科研活动的管理。随着医疗信息化、大数据、AI等技术进步，医院数字化转型进程加速，医疗机构管理变革加快。利用AI对医院进行管理，能有效的对人、财、物、信息、时间等资源，进行计划、组织、协调、控制，充分利用医院现有资源，实现医疗效用最大化，主要应用包括电子病历管理、智能导诊与分诊、质量管理和精细化运营等。

图|AI在医院管理领域的应用

AI可以优化医疗资源配置和弥补医院管理漏洞。利用大数据，协调资源的有效分配，根据电子病历、既往病史等信息分析出最需要及时救治的患者，优先提供医疗资源，优化医疗服务的先后顺序。

弥补医院管理漏洞，从点评网站、社交平台和新闻媒体等渠道收集患者对医院的评价，通过自然语言处理技术将非结构化的数据处理成能被系统识别的结构化数据，根据已经搭建好的模型，整理、分析出评价背后的真实含义。

图|优化医疗资源配置

图|弥补医院管理漏洞

AI医院管理的核心应用价值体现在三方面：利用智能化信息技术重塑患者端全流程就医体验；以AI和大数据驱动医院端智慧管理与决策，推动医院管理体制机制持续创新；AI与大数据可以实现跨机构互通互联，打通医疗服务数据与生态壁垒，完善以医院为中心的医疗服务生态。

图|AI在医院管理领域的核心应用价值

在患者端利用AI技术，医疗服务可以突破医院的物理边界，以患者为中心，延伸到诊前、诊中、诊后的就医全流程。重构管理体系，深入病人管理(电子病历)、药械管理(器械设备与药品智能化闭环管理)、病房管理(智能手术排班)、绩效管理(DRGs绩效)、后台管理(人力财税等智能后台综合管理)等方面，为医院管理体系带来整体升级重构。完善医疗服务生态，医院在医疗服务体系中处于核心位置，是各项信息数据汇聚与整合的中间枢纽，连接其他医疗服务机构、医疗健康产品提供方、支付方、监管方等，打通各机构间数据壁垒并实现互联与实时共享，可以为患者及数据共享各方带来多边增益。

4.DRGs与智慧病案

病案质控是AI重要应用场景，由政策导向(医保支付/医院考核)与医院自身需求(精细化管理)推动。病案质控分为形式质控与内涵质控，形式质控主要是看哪些项目存在填写遗漏、书写错误，内涵质控里包含逻辑关系，如既往史与手术史是否矛盾。

DRG相关政策加速了医院开展病案首页质控，但大量错误在病案内容中，需要对病案内容进行质控。病案内容绝大部分是以连贯的文字形式呈现，少有类似病案首页标准化、结构化的数据，质控难度远高于首页质控，且需要超越传统机器学习的算法进行个性化质控。

国内企业颐圣智能、百度灵医智惠、云知声等通过算法创新解决问题。颐圣智能以强化学习(REINFORCEMENT LEARNING, RL)技术的架构基础，在不同的质控任务下形成智能体，形成面向于全病历的质控系统。强化学习的原理是智能体不从已知数据中获得经验，而是通过与环境的直接交互中学习，模仿人类的学习方式，通过其执行的行为获得的环境反馈作为奖励或者惩罚而优化其下一步的行为动作产生新的环境反馈的机制。强化学习与传统的监督学习不同，强化学习能够从自己的经验和外部环境中学习，监督学习是通过外部指导在脱离环境情况下进行的拟合逼近式学习。

在基于强化学习的病历质控的系统构建中，颐圣智能采用了一个天然的环境反馈-临床医师对病历的书写行为，这种行为反馈并非基于病历质控系统而产生，而是由于临床工作而产生的，无需特定创造出的新场景，使得质控系统的可落地性大幅度增强，也更适应复杂的临床场景。

图|AI病案质控功能及价值

智慧病案为DRGs提供数据资料，为分组打好基础。DRGs即疾病诊断相关分组，依据患者患病情况进行综合分析后，将患者划分入若干诊断组，从而实现诊疗流程规范化，确保诊疗质量与治疗费用得到控制。

分组基础是病案首页数据，结合诊断、合并症、并发症、年龄等其他个体因素，分组工具为DRGs分组器，分组产出的核心指标为疾病组、权重与病例组合指数，衍生指标为费用消耗指数、时间消耗指数等。DRGs适用于诊疗方式对病例的资源消耗和治疗结果影响显著的病例即短期急性住院病例，门诊病例、康复病例、需要长期住院的病例不适用于DRGs。DRGs可用于医疗费用支付控制、医院服务绩效考评、医疗效率提升中。

DRGs产出结果基于病案数据，DRGs充分发挥作用，首先需保证病案数据质量与标准化程度即病案质控，这需要对根源数据进行处理。智慧病案是一套采用NLP技术的、针对病案所涉及的医疗信息采集、传输、记录、数据结构化等环节实施全流程医疗数据核查与管控的医疗管理系统，是升级版的电子病历。依据智慧病案的数据资料与医保局发布的CHS-DRG(国家医疗保障疾病诊断相关分组)，临床病例逐级进行细分组合，产生相应的DRG组。

图|智慧病案与DRGs运作图

5.医学数据智能平台：医疗应用开发的集成工具包，采用混合式构建方式

医学数据智能平台是指以院内信息系统的医疗数据为生产要素，基于私有云部署，通过数据采集、预处理、计算、存储与应用开发一系列步骤与各步骤所涉及的开发组件，生产出临床与科研等医疗应用的开发中间件，本质是云计算中的PaaS。医学数据智能平台集多种开发组件于一体，是医疗应用开发的工具包。

医疗数据来自院内的原生数据库，该阶段的数据往往不符合应用模型的标准，需要使用对应组件，将数据状态同步成模型所需标准。首先进行数据采集，然后使用ETL工具抽取数据，参照统一标准对数据进行转码，形成标准化库后，与原始数据做映射，对数据做质控，再依托模型进行数据再生成，形成具有算力效果的数据，最终将生产好的数据应用到业务模型端。

从构建方式看，因完全摒弃医院原有的信息化系统、重新严格按照医学数据智能平台的技术路线设计开发新系统会消耗大量成本且成效慢，故医学数据智能平台一般采用混合式构建法即在医院原有的信息化系统基础上构建平台，既保留原有信息系统的成熟设计，又保持原有业务的连续性。

图|医学数据智能平台架构图