智能化的AI医疗专家距离我们还有多远？

　　医疗+AI需要考验二者的链接程度，其核心在于医院当前的信息化水平。

　　去过医院的朋友一定都记得被“看不懂病历”所支配的“恐惧”；尤其在一线城市大医院，排队几小时、诊断几分钟的事情时有发生。

　　这是不是看了个“假”病？但在智能化时代，这些都将逐渐改变。

　　近日，云知声推出面向诊疗服务前、中、后阶段的系列 AI 产品与解决方案，包括导医机器人、智能候诊解决方案、医疗语音交互解决方案、智能病历生成系统、智能病历质控系统及智能院后管理解决方案等。

　　云知声IoT事业部总裁谢冠超表示，医疗行业在医学知识、临床经验、操作技能三方面的核心属性与人工智能有着天然契合。而后者在基于知识图谱的医学知识获取、基于医学大数据的临床经验掌握方面往往要优于人类医生。医疗与AI的结合可以说是水道渠成。

　　不过他向21世纪经济报道记者指出，医疗+AI需要考验二者的链接程度，其核心在于医院当前的信息化水平。目前AI的角色仍主要作为“助手”而存在，至于什么时候可以开始成为医生的“同事”甚至“专家”角色，有待于医疗行业智能化的发展进程而定。

智能语音赋能临床医疗

　　随着智能时代的加速到来，AI+医疗已经渗透到诸多细分场景中，以互联网巨头为代表的企业着眼于图像等层面的辅助诊断，对于更多纯AI公司来说，则是深耕细分市场，甚至于从一个看似不起眼的环节入手。

　　云知声选择的入口是电子病历。谢冠超介绍道，云知声自2016年提出“医疗语音交互解决方案”，借助智能语音识别、自然语言理解等技术，让医生通过口述即可书写病历，该方案一推出便落地北京协和医院。

　　目前，包括前述在内的云知声智慧医疗相关产品已先后落地全国100多家医院，另在超500家医院完成测试。

　　这并不仅仅是传统意义上的一比一转写，医疗领域的智能语音落地涉及庞大的专用术语和核心信息提取过程。谢冠超表示，电子病例自动生成，需要把医患之间的谈话经过摘要、总结，形成合规的电子病历，这尤其需要理解医患间对话。其中涉及基于医疗系统建立的知识图谱和专家系统。

　　“虽然各类企业都在做医疗+AI，但是路径和方向有很大差别，我们选择的是较为艰难的路径。”他续称，云知声是基于从感知到认知过程提升后推出的产品系列，希望基于医院临床的整体链路，帮助医生提升效率和工作质量。

　　为什么选择这个切口？要分别从痛点和技术两个方面说起。

　　统计数据显示，医生职业生涯大约35%-40%的时间用于病历书写及相关文案工作。医生键盘录入速度受限于熟练程度，且多使用模板，无法突出患者病情特异性；内容重复较多，使得病历千篇一律，失去科研价值；而使用复制、黏贴，更会大概率成为诊疗事故的诱因。

　　福建省立医院信息中心王晟就深有感受。他表示，信息中心为了解决病历录入问题，在传统上通常是采用模板的方式。但这对信息中心来说仍然有极大工作量，同样要与医院所有各科室沟通，收集不同病种的模板。“大量应用模板导致病历质量低、病历同质化非常严重，不能体现一个病人的特异性。”

　　但目前借助语音识别应用，可以提高医生录入工作20%-40%效率，尤其在工作量高、时间压力大的科室，越复杂的报告，就越能体现语音录入的价值。

　　从技术层面来说，第三方机构Gartner此前曾把电子病历的发展模型分为五代：收集者-记录者-助手-同事-导师。在第一、二代，是基于传统信息化技术实现数据采集、流程协同等场景的功能，这也是目前大部分医院正在集中精力投入的阶段；第三阶段的“助手”角色，意味着开始智能地为医生提供一些支持，比如智能导诊后的结果，病历信息采集等。

　　“不论到了哪个阶段，都需要基于CDSS(临床决策支持系统)模型开展支持。云知声目前努力想做的工作，就是推动电子病历系统从第二代向第三代甚至更高的阶段演进。”谢冠超接受采访时表示，可能相对来自医疗行业的专家来说，云知声提供的只是一个助手，但相对于非医疗行业的人来说，这是具备专业能力的助手、也属于一定意义的专家。

距离AI医疗专家还有多远？

　　当然，在大多数场景下AI充当的更多还是“助手”角色，医疗AI产品离“专家”定位还相去甚远。

　　云知声 AI Labs 资深技术专家刘升平指出，知识图谱是人工智能时代打造面向诊疗服、家居生活、儿童教育等不同场景行业专家的基石。人们通常面对的如医疗问诊、酒店中控等人工智能应用，更多是希望机器能像“专家”一样理解、思考并提出决策。要实现向行业“专家”的转型，关键就在于行业知识图谱构建。

　　落地到医疗行业，意味着能够收集到足够丰富、可靠的数据，依托机器学习、自然语言处理等技术构建起知识图谱体系，就能在辅助决策层面发挥应用价值。

　　举例来说，刘升平表示，知识图谱需要用到标准化的语言，因此需要将病历做后结构化-标准化落地，并与知识图谱进行映射，从而形成标准化的术语。

　　所谓后结构化，意在对一段文本形式的病历进行具体类目和描述的专业化处理，包括症状的发病时间、复发时间和频率、伴随症状等核心信息。

　　“基于知识图谱，我们能形成一个较为完整的病历自动质控系统，同时涵盖形式缺陷和内涵缺陷。在院后随访环节，我们基于患者在院内的就诊过程和诊疗过程要形成一个患者画像，由系统针对患者的个体情况自动生成随访方案，然后通过类似智能外呼等技术自动完成随访。”谢冠超进一步指出。

　　不过鉴于电子病历自动生成体系极为复杂，云知声目前阶段是针对部分科室开展尝试。这是由于，相对于全科科室来说，专科对专业性有更高要求，尤其在病历质控部分，都需交由科室内老专家完成，因此需要极为深入的图谱体系。

　　那么从目前发展阶段预计，到什么时候我们能够迎来AI医疗从“助手”升级为“同事”的时代？

　　对此，谢冠超向21世纪经济报道记者表示，这将更多取决于医学技术的信息化进程，目前尚难以有确定性的答案。

　　“医疗+AI技术的发展，从今天来看，更多在于医学技术方面。”他进一步向记者指出，这并非意指如今的医疗技术发展程度不高，从绝对技术来说，医疗技术的成熟度甚至超过AI技术，但关键在于医院数据的互联互通、标准化程度。

　　“如果我们对每个医院的数据都要花相当大的时间进行处理，会是我们遇到的绝对挑战。”谢冠超表示，现阶段全国主要医院的信息化推进程度会是一个重要条件，这需要AI企业与医疗机构共同推动，前者要为后者带来真正实质上的好处。

（文章来源：21世纪经济报道）