瑞金医院儿科门急诊智能电子病历辅助系统

上海交通大学医学院附属瑞金医院

瑞金医院儿科门急诊智能电子病历辅助系统，基于隐私安全计算，以医院门急诊电子病历数据治理整合为基础，通过对医疗文书的自然语言处理，进行智能化信息建模，创新性的应用一系列基于深度学习的人工智能技术，利用深度神经网络，对于特征空间进行编码和降维，提高模型的表达能力，建立临床诊疗全流程智能辅助指导，如辅助诊断、辅助用药、危重病、罕见病提醒等。以病历“辅助书写”插件的方式，提高儿科门诊、儿科急诊临床医生书写完整、高质量病历的效率为主，辅以检验检查推荐、骨龄及生长曲线等专科工具，从源头上完成高质量的医疗数据生成，为医院管理、临床科研提供扎实的数据基础。

同时有效地将瑞金医院的诊疗经验通过具体每一个诊疗案例传递给基层的社区医生，赋能医联体内的基层社区医生，迅速提升基层社区医生的儿科诊疗水平，为转诊提供重要的参考依据，结合政策实现智能的分级诊疗。

1.系统内容

1.1智能病历辅助书写

根据国家卫健委的2010年的《病历书写规范》及2016年《电子病历书写规范》要求，应用自然语言技术及临床词汇关联算法技术研发出符合医生习惯的智能病历辅助书写，帮助医生快速书写完整的高质量病历。并具备医生个人临床习惯的持续性记录和学习功能，为医生自动关联符合其诊疗习惯的问诊面板，让儿科医生能快速书写出高质量、强专科的门急诊病历。

1.2 智能辅助诊断提示

根据病历的主诉、现病史、既往史、家族史、体格检查、检验检查结果，推导出诊断建议，儿科智能辅助诊断系统是以儿科临床数据为样本，建立模拟医生诊疗过程的人工智能信息模型，通过人工自然语言技术从病历及检查报告等非结构化数据中实时提取结构化数据，让智能化模型充分掌握患者信息情况并给临床医生提供模型内部的临床思考，辅助医生临床诊疗。同时，智能模型还嵌入高危风险预警模型帮助医生对急危重症患者进行警示预防漏诊，让医生在适当时间做出适当的救治反应。

1.3 儿童生长曲线记录和预测系统

根据儿童的身高体重、肝肾功能状态、疾病、药物的配合禁忌等因素，构建儿科用药知识库，根据病历系统深度学习得出对疾病的推导出儿科疾病用药种类、相应的剂量及疗程。

2、技术特点介绍

2.1平台各应用普遍采用深度学习技术，利用深度神经网络，对于特征空间进行编码和降维，提高模型的表达能力，有效地解决实际问题。

2.2应用自然语言处理技术，对病历进行标注、分词及归一化后，形成标准化的医学术语，再采用基于深度学习的自然语言处理技术提取重要的原始信息，帮助医生利用语言模型进行病历书写。

2.3平台使用关联算法，来处理临床语料的正确表达，通过“逆自然语言技术”来帮助医生书写病历，保障病历质量。

3、应用情况介绍

2019.7 系统在儿科专科门诊、儿科普通门诊、儿科急诊部署应用后，得到儿科医生的认可与支持。