基于人工智能的儿科分级诊疗应用

上海交通大学医学院附属上海儿童医学中心

一、建设背景

由国家儿童医学中心，上海交通大学医学院附属上海儿童医学中心（以下简称儿童医学中心）携手上海市浦东新区和奉贤区 7 家不同级别医疗机构，并联合 6 家知名 AI 企业共同打造上海市第二批人工智能试点应用场景 ——“ 基于人工智能的儿科分级诊疗应用”，围绕儿科看病难的社会痛点，聚焦 “ 技术创新、赋能基层、优化专科 ” 三大版块， 探索急慢分治、上下联动的 “ 智慧儿科 ” 分级诊疗模式。

儿童医学中心成立于 1998 年，是由上海市人民政府与世界健康基金会（Project HOPE）合作共建的一所集医、教、研于一体的三级甲等儿童专科医院，2017 年初获批成为国家儿童医学中心。2018 年，医院成立了儿科人工智能临床应用及研发中心。儿童医学中心牵头的上海市 AI 试点应用场景将融合运用新型机器人技术和计算机视觉、自然语义理解、智能语音等深度学习技术，正不断为中国的儿童健康发挥越来越大的作用。

二、建设内容

（一）研发新型设备，开展临床诊治技术创新

独立研发完全知识产权的国产智能听诊器 - 云听（普通版、新生儿版），补齐基层在先天性心脏病和呼吸道疾病筛查诊治中的短板。建立超 10 万例大样本儿科听诊数据库（呼吸音、心音）、结合新型智能听诊算法，组建适用中国儿童的智能听诊辅助系统， 识别率和准确性都达到 80% 以上。同时，开展上万例儿童超声心动图数据收集并据此研发先心智能心超诊断模型，配合智能听诊辅助系统，搭建国家级智能筛查网络，为解决先天性心脏病等重大儿童健康问题提供技术方案。

1、国产智能听诊器

采用压电传感器，前端降噪和滤波算法，智能屏蔽外界噪音，将心音、呼吸音数字化并同步到软件设施上，用于患者信息管理、听诊器控制、操作指引、存储数据、分析结果显示等。同时，可将听诊数据上传到云端，采用机器学习算法中的支持向量机算法

（SVM），从时域和频域两方面提取特征，实现病灶特征的智能识别，实现心脏杂音与干湿啰音智能识别。相关产品已取得国际标准认证，产品线包括普通版和新生儿版，适用范围超越国外同类产品。

 国产智能听证设备（儿童版）在新冠疫情中发挥重要作用

2、儿科听诊数据库（呼吸音、心音）及 AI 听诊辅助系统，利用国产云听 G-100 型智能听诊器和美国 3M-3200 电子听诊器，制订标准采集方法，国内多中心采集儿童心音、呼吸音，建立大样本心音和呼吸音数据库。同时，通过数据的数字化传输，结合人工智能算法技术（CNN，RNN，Mask_RCNN 等）和 Mel- Spectrum、MFCC、Sub-band envelopes 等音频特征提取技术，辅助基层医生快速判断心音和呼吸音的异常情况，组建适用于中国儿童的人工智能听诊辅助系统。

3、心脏超声数据库及 AI 心超诊断模型

收集大样本儿童心超数据，充分利用心脏的动态特征，采用多帧图像输入和经典残差网络，进行深度残差学习和人工智能计算，建立心脏超声标准切面 AI 自动识别系统， 辅助基层医师快速准确识别心超标准切面，进而与智能听诊筛查网络相结合，对先天性心脏病给予标准化诊断。

 心脏超声标准切面 AI 自动识别系统（低位胸骨旁四腔心切面）

（二）赋能基层，开展门诊全流程辅助诊疗

整合区域资源，打造儿联体智慧导诊平台，实现儿科常见病智能问诊、智能推荐、智能预约、智能导诊以及智能临床辅助决策，已在浦东地区多家医疗机构帮扶基层医师规范管理儿科常见疾病，准确率达 90% 以上。研发的新冠疫情智能问诊也率先在儿科病人中应用推广，下一步还将针对疾病不同特征开展急救信息传输和慢病智能随访，不断完善院前 - 院中 - 院后全流程就诊辅助管理体系，提升基层儿科服务能级。

1、儿科智能就诊辅助系统

与浦东新区卫健委合作，整合区域儿科门诊医疗资源，遵循分级诊疗原则，打造智能导诊平台。患者就诊前，通过标准化在线智能问诊，基于 NLP 等 AI 技术进行结构化处理，提取特征值，自动判断患者病情，并按照基层首诊、急慢分治以及距离、排队等便捷就医原则，推荐就医路径，结合区域优质医疗资源共享，规范患者就医行为，便捷基层儿科双向转诊，助力儿联体内实现精准高效的“ 智慧” 分级诊疗。在基层儿科门诊， 进一步强化智能语音预问诊，辅助门诊患者实现预诊，挂号，导医，收费一体化；同时， 辅助系统可基于临床指南知识库的智能模块，根据预问诊采集到的患者病史，智能推荐诊前检验检查项目，有效节省排队等候时间，提升就医效率和患者感受度。本次新冠期间更首次引入新冠筛查智能问诊，为抗击疫情做出贡献。

儿科智能就诊辅助系统患者手机界面

场景项目负责人和志愿者帮助患者使用儿科智能就诊辅助系统

2、门诊智能临床辅助系统

针对社区儿科常见病患儿，进一步开发门诊临床辅助智能决策功能。一是利用自然语义理解技术，通过结构化算法对采集的患儿病情数据特征进行深度解构降维处理，形成儿联体标准化门诊电子病历；二是开发覆盖 300 多病种，准确率 90% 以上的智能诊断算法，对患者特征值进行模型运算，辐射多家儿联体综合医院和社区医院儿科医生工作站， 辅助基层医师规范进行临床诊断、提醒进一步的临床决策，推荐最优治疗方案，或直接给出转诊建议并通过区域转诊平台预约专科号源，实现高质量 “ 上下联动、双向转诊 ”。

 门诊智能辅助决策系统（医师工作站画面）

（三）病种治理，优化专科临床诊疗体系

以 AI 技术治理海量临床数据，围绕儿童肺炎、脓毒症等病种的临床路径，研发专科临床决策辅助诊疗系统，模型预警 AOC 达 0.9 以上，推荐准确率 >90%，并在浦东新区人民医院等成员单位病房落地。智慧医护支撑系统，将可穿戴设备和智能预警预测功能集成到机器人，帮扶专科医护高效开展临床诊疗活动，并在新冠疫情期间实现隔离诊间 “ 非接触式医疗 ”，降低感染风险。智慧病房交互系统则实现了临床大数据的标准化治理，通过风险预警，为管理者提供决策支持，在确保质量和安全的前提下，提升专科临床服务的卫生经济学效果。

1、儿童重症（脓毒症）辅助诊疗系统

利用机器学习、深度学习和医学知识图谱建立儿童重症（脓毒症）CDSS 系统，对脓毒性休克提前预测，实时监测患者的危险程度，不断根据循证依据结合临床查体和检验检查结果重新评估疾病危险程度并第一时间进行预警，降低儿童重症（脓毒症）的疾病发生率。

2、小儿社区获得性肺炎辅助诊疗系统

通过医学知识图谱，机器学习等建立符合小儿社区获得性肺炎CDSS 系统，依托指南和循证依据规范临床诊治路径，降低重症肺炎的漏诊误诊率。同时，通过机器学习建立小儿社区获得性肺炎预测病原学模型，加快病原菌检出，精准抗生素治疗，规范抗生素的临床使用。

3、智慧病房可视化交互系统

基于患者病史信息，利用先进的 AI 技术、自然语言处理、知识图谱、机器学习， 实现各类临床数据的结构化、标准化和归一化等处理，对专科海量临床数据进行整合和治理，为管理者提供决策支持；同时，病房交互系统实现了病房数据的 “ 可视化 ”：对新入院、危重、出院、病情变化等特别患者群体在每日交班时给予重点关注；与可穿戴设备互联全天候监控患者生命体征；结合生命体征波动、检验检查报告、病史记录和收费等，通过 AI 辅助技术，实现疾病预警、病原学感染预估和医疗质量评价，并能开展远程会诊和教学讨论等，提升专科管理能力和技术辐射能力。

智慧病房可视化交互系统（效果图）

4、智慧病区医护支撑系统

整合系统开发、人机互动、机电一体化、知觉、导航与认知等多个关键技术集群， 尤其局部路径导航技术、AI 自然语音交互技术、AI 机器视觉技术，以及高清流媒体技术等，依托机器人与全院信息管理系统及辅助决策系统全面对接，辅助临床医师随时随地开展远程床边查房、会诊、带教，日常查房时提供专病诊疗建议，及时提醒预警信号。此外，通过与可穿戴设备的信息交互，帮扶护士采集患儿呼吸、心率、体温、氧饱和度等体征，形成数据表单导入护理病史并在可视化交互系统上监控预警；配合患者出入院智能健康宣教，全面提升专科诊治效率。

三、建设成效