雲知聲推多款醫療 AI 産品，病曆生成與質控産品今年将站 C 位

雷鋒網消息，在近日舉行的CHIMA大會上，雲知聲召開了一場主題為“AI 賦能臨床：從助手到專家”的醫療AI産品釋出會。

除了系統解讀智慧醫療整體戰略之外，雲知聲還和相關的合作醫院介紹了“醫療語音互動解決方案”、“智能病曆生成”、“智能病曆質控”、“ 智能候診＆智能随訪解決方案”等重點産品的功能特點與應用情況。

“醫療語音互動解決方案”是雲知聲落地、應用最成熟的産品。而今年，圍繞病曆展開的生成與質控工作将成為雲知聲在醫療AI領域的重點布局方向。

AI與醫療屬性天然契合

雲知聲成立于2012年，本質上是一家以“語音”為核心切入行業的創業公司。

雲知聲的底層AI技術由兩部分構成，一個是和AI相關的技術，一個是和晶片相關的技術。

雲知聲IOT事業部總裁謝冠超表示，雲知聲的戰略是把在垂直行業積累的AI技能放在雲端，通過晶片去賦能裝置端的邊緣計算能力，進而把雲端的技術向裝置端進行輸出。

“基于人工智能的技術，我們試圖建構‘雲端芯’一體的解決方案。一方面實作行業的智能化，另一方面，反向提升雲知聲在人工智能上的技能。”

在這樣的思路下，雲知聲覆寫了家居、醫療、智能機器人、教育、金融、智慧社群、智慧出行等不同的應用領域。

據雷鋒網(公衆号：雷鋒網)了解，雲知聲的IOT事業部有兩個業務方向：智慧生活和智慧服務，而醫療是IOT事業部裡非常重要的一個業務方向。

作為一個純粹的AI技術公司，為什麼雲知聲會想到入局醫療？

謝冠超解釋到，原因在于醫療和AI的屬性天然契合。

一個醫生的核心專業能力包括醫學知識、臨床經驗和操作技能。而一個醫療AI系統的建立是基于知識，用知識表、知識應用這些技術去形成一套知識圖譜和專家系統，對應的是醫學知識。

在此之後，AI會用一些基于資料的技術，比如統計分析、資料挖掘，将獲得的臨床知識圖譜或者是專家系統，和真實世界去做對應。

“一個基于AI的醫療系統和一個醫生的成長路徑是非常吻合的，這就是為什麼我們認為醫療和AI的核心屬性天然契合。”

病曆生成與質控産品将成今年主力

盡管雲知聲這次的大會主題的“從助手到專家”。但謝冠超認為，目前用“助手”來描述AI應用在這個行業裡的地位會比較客觀，“助手是一個有專業能力的人，但是助手不能試圖去做獨立自主的判斷決策。”

據了解，雲知聲醫療産品線目前已完成從感覺到認知的戰略更新，即從識别向了解、決策更新。而此次會上一系列覆寫醫院整體鍊路流程産品的釋出，也是這個戰略更新下的一個縮影。

謝冠超向雷鋒網表示，語音互動的解決方案占據雲知聲醫療業務收入的大部分，但是圍繞病曆的質控是今年年初開始主推的産品，目前質控的收入占比和增長勢頭比較快。

醫療語音互動解決方案

據美國醫學會（AMA）的統計，醫生職業生涯大約35%-40%的時間用于病曆書寫及相關文案工作上。醫生鍵盤錄入速度受限于熟練程度，效率低下，且多使用模闆，無法突出患者病情特異性。内容重複較多，使得病曆千篇一律，失去科研價值。使用複制、黏貼，更會大機率成為診療事故的誘因。

雲知聲醫療 AI 産品經理郭崇亮介紹，雲知聲醫療語音互動解決方案由醫療語音識别引擎、語音錄入用戶端、定制麥克風和滑鼠組成。

為适應醫院不同科室實際的使用需求，該系統提供兩個版本。

其中，标準版提供一種友善快捷的輔助錄入方式，醫生通過口述患者病情，系統自動将語音轉為文字，實時将文本輸入至光标所在位置，進而提高錄入效率。

更新版則将專科識别模型、語音操控接口、語音過濾等專科化功能，都作為單獨子產品開發，實作系統的低耦合。可根據業務和場景需要與标準版系統進行自由組裝，打包成不同的專科方案。

2016年，雲知聲就已在協和醫院落地了語音識别技術導診系統、語音識别技術電子病曆系統。剛上線時，系統的準确率隻有80%。但是，随着醫生的逐漸使用，準确率的問題得到了解決。

“當醫生說一個新的名詞時，AI是不可能會識别的。但是當系統識别之後，醫生會對結果進行修改，背景會記錄這一行為，進而讓AI去進行主動挖掘。”

據悉，雲知聲醫療語音互動解決方案已在福建省立醫院門診全科室上線，識别準确率平均達 97%，病曆書寫效率提升達40% 。

病曆的自動生成與質控

病曆的自動生成與質控是雲知聲今年的主打産品，圍繞這兩塊内容，主要有哪些成果？

在智能病曆生成方面，雲知聲嘗試利用醫患之間的對話自動生成病曆。這跟電子語音病曆錄入的最大的不同是在于，電子語音病曆錄入是100%的把醫生所講的話轉化成文字。

而電子病例自動生成需要摘要的過程，把醫患之間的談話、摘要進行總結，形成一個合規的電子病曆，是以AI系統需要了解對話。

“病曆的自動生成是一項複雜的工作。不同的科室，不同的病種，需要摘要的内涵、内容不一樣，是以它就需要知識圖譜的底層支援。”

當然，電子病曆自動生成也沒有面向全科室，而是在部分科室做。謝冠超說，“我們病曆生成的産品推的是全科室，但是我們在知識圖譜建設上面，遵循的原還是病種的多發性。”

2019年4月17日，國家衛健委釋出通知，将病案首頁品質和電子病曆應用功能水準評價納入三級公立醫院績效考核。

病曆的自動生成可以了解成醫生的“減負”工具。但是為什麼還要進行質控？對醫院來講，病曆質控除了滿足監管的訴求，最大的一個問題解決醫患糾紛。

作為醫院管理的核心部分，不管是工作量還是覆寫量，病曆的質控都是醫院的一大痛點。

過去HIS廠商也在嘗試解決，裡面也有一部分質控的功能。但是，目前我國三甲醫院每天的出院患者多達上百例，病曆質控工作量大、專業性強，但電子病曆系統的子產品僅能完成簡單的形式質控，内涵質控仍需要專業人員手動完成。

以東南大學附屬中大醫院為例，在使用 AI 系統輔助質控前，中大醫院質控專員僅有四個人，全品質的質控數量是五到八份，效率非常低，實際高品質質控占比隻有10%，大量病曆沒有能夠實作質控。

“醫生能不能基于自己的主訴推斷出第一診斷，需要醫學知識的積累。而HIS廠商沒有醫學知識，沒辦法去判斷醫生的主訴和他的第一診斷是不是構成閉環。”謝冠超說到。

雲知聲則是運用AI技術，基于知識圖譜實作了一個比較完整的病曆的自動質控，不僅僅涵蓋了形式上的缺陷，也涵蓋内涵上的缺陷。

2018年3月，中大醫院與雲知聲溝通了病曆質控的事情，主要做了三件事情：第一步，進行規則梳理；第二步，開發質控引擎；第三步，醫院業務的流程再造；第四步，從終末質控到環節質控；最後是質檢引擎的自學習。

中大醫院網絡資訊中心主任史亞香表示，目前中大醫院病曆質檢覆寫率已達100% ，質檢缺陷覆寫面由原來的重點缺陷檢查更新為全缺陷檢查，質檢工作提速接近10倍。

雲知聲AI Labs 資深技術專家劉升平說到，智能+醫療三要素是語言、知識、決策。從文本或者語言中建構知識圖譜，基于知識圖譜了解輔助決策，知識圖譜是智能+醫療的基石。再利用知識圖譜+醫療的核心技術是病曆後結構化和标準化，基于醫療知識圖譜的推理和決策，從高品質資料源去建構一個知識圖譜。

截至目前，在醫療知識圖譜領域，雲知聲已儲備約50萬醫學概念，超過169萬醫學術語庫，超過398萬醫學關系庫，以及52萬醫學屬性值對，涵蓋了絕大部分藥品、疾病、科室與檢查，規模體量達國際領先水準。

可以預見的是，随着醫療知識圖譜的不斷豐富，雲知聲可以将更多的病曆自動生成和質控方案落地到更多科室。

不要做項目，要做标準化産品

目前雲知聲大概有500多人，覆寫的業務面也很寬泛。在采訪中，雷鋒網曾詢問謝冠超對于産品在醫院落地的心得。

他坦言，雲知聲不太希望把每一個客戶做成一個個的項目，而是會綜合所有共性的需求，形成一套相對标準化的産品， “雖然從技術和産品規劃層面來看，挑戰比較大。但是這樣做的好處就在于能夠迅速的完成客戶的複制，不用為每個客戶去做大量的定制開發。”

另外，為了讓AI應用實作更好的落地，要跟不同醫院進行資料對接，“資料對接是非常核心的問題，原因是國内的醫院每一個醫院的資料結構千差萬别，醫院本身的資訊化改造意願以及資訊化建設的基礎都不一樣。如果我們不能高效地完成資料适配，不管有什麼AI産品，都很難在醫院落地。”

謝冠超認為，雖然大家都在做醫療，其實每個人所做的路徑和方式差别很大。而雲知聲選擇的是一個比較艱難的路徑。“艱難路徑的内涵在于，所做的工作都是基于整個臨床的流程，去幫助醫生提升效率，提升品質。”

“我們始終相信人工智能是賦能性的技術，它本身非常難以成為一個行業，它最大的價值是和今天的傳統行業去做結合，去改進、提升現有的業務模式。”