人工智能对医疗机构业务能力提升探究(共2894字).doc

《人工智能对医疗机构业务能力提升探究(共2894字).doc》由会员分享，可在线阅读，更多相关《人工智能对医疗机构业务能力提升探究(共2894字).doc（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、人工智能对医疗机构业务能力提升探究(共2894字)【摘要】利用面向深度迁移学习的神经网络领域迁移和自适应技术以及深度语义分析、医学语义理解、医学领域知识图谱构建等人工智能技术，建立智能辅助诊断和慢病智能管理服务模型，应用于基层临床和公共卫生服务领域，创新基层卫生健康服务新模式，降低基层医疗漏诊和误诊率，减少公共卫生服务压力，逐步提高基层医疗服务效率和水平，缓解医疗卫生资源配置不均衡的问题。【关键词】人工智能;基层医疗;服务能力;医疗资源;服务模式芜湖市卫生健康委员会围绕“健康中国”战略和“健康安徽2030”规划纲要，通过安徽省“智慧医疗与家庭医生签约服务”民生工程，推动“智医助理”在芜湖市基层

2、医疗机构的应用，推进人工智能在医疗卫生领域的具体实践，进而创新基层医疗卫生健康服务模式，改善家庭医生对辖区内签约居民提供约定的基本公共卫生服务、基本医疗服务和健康综合服务等，提升基层医疗卫生健康服务能力，提升基层医疗卫生水平。1基层医疗卫生服务现状1.1基层医生配比不足每年我国各类医疗机构诊疗总人次超过70亿次，且存在医疗资源分配不均、布局结构不合理等问题，医疗卫生行业面临巨大的服务需求压力1。基层医疗机构医生的配比更加不足，2017年我国全科医生总数为25.3万人，占全国执业（助理）医师总数的7.47%，远低于国际上30%60%的平均水平2。比照国家卫生健康委文件要求，根据辖区服务人口、农村

3、居民医疗卫生服务现状和预期需求以及地理条件等因素，原则上按照每千服务人口不低于1名的比例配备村卫生室人员3。芜湖市基层医生的配比，同样存在很大的缺口。统计结果显示村卫生室合格医生数量2027名，执业（助理）医师1080名，乡村医生947名，按照每千服务人口1名村医标准，村医缺口数量依然较大。1.2基层医生任务重芜湖市基层医生及服务人群比例上严重失衡，基层医疗工作及非医疗事务性工作上人力资源严重缺失，导致在服务能力上无法很好满足居民的卫生健康管理诉求。随着国家、省、市针对基层医生服务质量要求的提出，随着签约人数越来越多，工作量将越来越大。研发基于人工智能的临床决策支持系统，开展基层医疗健康场景下

4、的智能语音技术应用，提高医疗服务效率，缓解服务压力4显得十分迫切。2系统建设的基础条件芜湖市已经建成以电子健康档案资源库和电子病历资源库为基础的人口健康信息平台，搭建了卫生专网，建设了基层医疗机构一体化信息系统，各县区均建立了中心机房，硬件设施完备，卫生专网已经部署到村卫生室（社区卫生服务中心）一级。基于国家指导意见，芜湖市推进云计算、大数据、人工智能等新兴技术应用，探索创新发展，更好地服务广大群众5。3系统的整体框架整个系统按照省、市、县三级架构部署，市级基于市政务云平台的IAAS（InfrastructureasaService）服务，利用现有的覆盖全市公共医疗卫生机构的卫生专网，搭建智医

5、助理核心应用服务，在各县区中心机房部署核心应用前置服务，包括前置中转服务和辅助诊断应急服务等，确保服务的连续性和及时性。见图1。系统嵌入各县区基层HIS，统一用户体系，同步患者的门诊诊疗数据、疾病图谱数据、用药建议数据、处置建议数据、基本档案数据、随访记录等数据，基于PC端的基层一体化的医生工作站C/S和B/S混合架构的形式提供智能辅助诊断、智能慢病管理等人工智能应用服务。同时系统也支持移动设备，4G或WiFi环境下通过VPN接入。见图2。4系统的主要功能智医助理系统主要包括智能辅助诊断、智能慢病管理两大核心功能。智能辅助诊断模块作为帮助基层医生提供治疗方案，对于基层医疗水平的提升有着直接的作

6、用，核心技术基于深度神经网络的面向认知计算的模型构型、学习策略和目标函数优化等技术，包括面向深度认知模型的循环神经网络算法（RecurrentNeuralNetwork，RNN）和卷积神经网络（ConvolutionalNeuralNetworks,CNN）优化技术、Attention机制下的Encoder-Decoder深度学习建模构建技术，面向深度迁移学习的神经网络领域迁移和自适应技术，强化学习和深度强化学习算法，以及深度语义分析和理解技术。见图3。慢病智能管理模块帮助基层医生完成慢病随访与管理、健康档案采集更新、预约提醒和健康教育等服务。基于语音识别（AutomaticSpeechRec

7、ognition，ASR）、语义分析（SemanticAnalysis，SA）、神经网络机器翻译技术（NeuralMachineTranslation,NMT）、自然语言处理（NaturalLanguageProcessing，NLP）、语音合成（TexttoSpeech，TTS）等技术构建智能自然语音交互系统，满足多种实际应用场景下的人机指令下达，执行反馈、人机对话。5系统的实际应用我国医学专家系统的开发研究始于20世纪80年代初，起步虽然较发达国家晚，但是发展迅猛6。特别是近年来社会需求、学科设置和人才培养加大，人工智能发展更加迅速。人工智能应用于医学研究和诊疗已经成为现代科技的热点之一7

8、，通过人工智能与医疗相结合，能够显著提高基层医疗机构的服务效率和服务能力，实际应用效果显著。随着医疗人工智能的发展，“超级医生”在一定程度上已成为现实8。目前芜湖市已经完成智医助理系统在芜湖市1市1县6区范围内所有基层医疗机构的全覆盖，包括52家乡镇卫生院、28家社区卫生服务中心、833家社区服务站及村卫生室。智能辅助诊断功能支持95%以上基层医疗机构各科室常见病种，针对诊疗中病历书写、诊断诊疗等不规范行为，进行实时提醒，大大降低了误诊率与漏诊率，诊疗电子病历规范率从66.67%提高至98.05%。慢病随访功能大大提高工作效率，以鸠江区慢病管理工作为例，全区人口51万，按签约率40%及服务规范最低要求，计算出随访总量为46.4万次/年左右，约1856次/天。按照日常人工效率来计算，则需要26人专门负责电话随访。相同工作量，利用系统并发，1856次电话仅需6次外呼，只需1人进行外呼设置，系统总耗时约15min，提高了医疗服务效率和服务能力。第 5 页 共 5 页