雷鋒網消息，近日，由hc3i中國數字醫療網、中關村移動網際網路産業聯盟移動醫療專委會主辦的《2017中美智能醫療大資料峰會》在北京召開，衆多專家出席探讨了智能醫療大資料存在的問題。北大口腔醫院資訊中心曹戰強主任分享了語音識别技術在口腔門診中的應用。
曹戰強主任稱，三種常見的語音技術與臨床實踐的關系都很密切：語音合成、語音識别技術和語音了解技術。他主要講了前2種技術在口腔門診中的應用。
以下是曹戰強主任的演講内容，雷鋒網(公衆号：雷鋒網)對其做了不改變原意的精簡編輯：
2008年時，我們做了一個排隊叫号系統，如今已經應用快10年了，幾乎沒有出現過問題。到目前為止，已經調用了683萬條。并且基于這樣的資料可以進行分析，比如通過叫号時間分析了解某個科室某時某刻的工作壓力分布情況。
美國大概有72%的醫院已經實作用語音收集醫療資訊了，其中，識别率能達到99%的水準。
有一句話說：如果到了40歲還有人抱着你的臉看上半個小時的話，那這個人一定是牙科醫生。牙醫工作時通常一手拿鏡子，一手拿測量工具，雙手是占用的，并且口腔裡大概有32或28顆牙齒，不同的牙齒可能有不同的疾病，逐個記錄下來就成為非常麻煩的事情。很多大夫寫病例時，經常是一隻手拿着鏡子，一邊寫，轉過來看一看，再傳回去寫。口腔科的電子病例非常複雜，完全類似于綜合醫院的病程記錄，醫生要把這些資訊全部記錄下來也是很大的工作量。
我們和科大訊飛合作，嘗試寫了一款軟體，內建了各種各樣的詞庫，還支援個人自定義，識别率非常高，并且實作了外網和内網打通，産品體驗效果非常好。但一段時間後，發現沒人用了。
後來北大口腔的國家工程實驗室與訊飛的國家工程實驗室走到一起，計劃用語音技術做一些工程化的開發。當時我們利用了移動網際網路上的資料，訊飛把伺服器放在醫院的服務中心，其中包括了各種運算以及資料庫，用口腔電子病例中的資料進行訓練。大夫戴着耳麥輸入病例，在這個過程中訊飛做很多智能化處理，寒暄的話語會自動識别不錄入，并且通過識别觸發詞，把内容放在相應的病例位置上。
通過語音輸入，效率大大提升了，因為有語料庫，是以其識别正确率很高，還有助于病例結構化。我們把這個産品放在北大口腔最大的門診，在沒有做任何推廣的情況下，其使用率達65%，年輕大夫的使用率在80%~90%左右。
産品的好處顯而易見，解放雙手，并且語音錄入高效準确，随說随錄，不需要中斷思維，醫生滿意度高，病例完成率顯著提升。我倒不是打廣告，而是我覺得語音錄入電子病例或許是收集資料的有效方式之一。
但這個系統還是有局限的，其實這些局限也屬于行業通用問題。第一，需要醫生得改變使用和操作習慣；第二，雖然語音識别沒有問題，但系統也同樣會記錄醫生與病人的口水話，對醫生連貫性有較高要求，這個問題大多數醫生經過訓練可以解決；第三是醫生錄完後需要閱讀全文再次确認，比如是否有不雅的詞出現。
另外，301醫院還通過語音技術，記錄主任、醫師查房過程，并且能與電子病例做資料對接；還有就是聲紋知情同意書。
影像輔助診斷，不一定能幫我們做太多診斷，但确實能發現一些假陽性、假陰性，降低篩選量；智能客服、預約挂号也能解決醫院很大的問題，手機上預約挂号不能做太多互動，但一個小小的口腔科就有将近20個科室，很多人不知道修複科和綜合科有什麼差別，ai可以幫助解決這些問題。
輔助診療确實可以幫助一些年輕的、經驗有限的醫生，避免錯誤；其次，目前醫療品質監督監控非常火熱，目前沒有辦法比較，如果通過ai計算療效、疾病難度等，得出一個綜合指數，就能解決這個問題。
更多關于人工智能更新傳統機構的文章，請關注雷鋒網ai商業化垂直微信公衆号：ai掘金志。
本文作者：張利