24.长沙双数：基于大数据的传染病疾病智能监测系统在中南大学湘雅医院的应用案例【CHIMA 2019 案例分享】

中南大学湘雅医院是由国家卫生和计划生育委员会直管、国家教育部直属全国重点大学中南大学附属的大型综合性三级甲等医院。床位3500张，开放床位3195张，临床医技科室和亚专科88个。湘雅医院医疗诊治和科学研究水平稳居全国前列。医院现有国家临床重点专科建设项目25个，总数居全国医院第五位；2016年门急诊总量达299.31万余人次。在每天高达1.2到1.5万之间的门诊量的情况下，对于传染病报卡的迟漏监测与筛查一直医务科所头疼的问题。

基于大数据的传染病疾病智能监测系统自2016在中南大学湘雅医院开始上线，截止目前已在178个住院科室、56个门诊科室全面使用应用传染病、食源性疾病、死因等公卫监测业务智能监测与智能筛查；并对门诊传染病高发的重点科室已实施智能强制干预模式，有效的杜绝了迟报漏报。在2017年6月份国内率先实现了（有可能是我国首家）与省区域平台、国家大疫情网专网直报的互联互通模式，在医院内部网络即可一键上报传染病病例到大疫情网，此模式受到各方的好评。这对于医院公共卫生信息化是一个里程碑的事件，标志着医院公共卫生信息化迈向了全面互联互通的新阶段。

基于大数据的传染病疾病智能监测系统在中南大学湘雅医院的应用取得了显著成效。截止2018年底、湘雅医院已通过专网一键上报传染病病例超过10000多例。医生完成每传染病报卡流程时间降低到40秒内。

传统模式传染病监测下存在以下问题：

1.临床医生对传染病上报的意识薄弱，造成迟报漏报严重、怎么提高临床医生的上报意识、真正有效杜绝迟报漏报？

2.传染病报卡的质量不高，及时性及正确性得不到保障。怎么提高报卡质量、确保传染病报卡的及时性以及正确性？

3.传染病的迟报漏报筛查、耗时耗力、需要查诊断、查检验、查影像、还要去重。怎么快速实现对传染病的迟报漏报筛查及分析？

4.传染病报告卡无法直报到CDC，需要手工进行上报，手工报卡一张需要2分钟左右，如果每天30-40张卡，报卡时间就花了几个小时。怎么提高CDC报卡效率？

5.有除了传染病还有对非传染病性疾病等的监测工作？传染病是电子化了，其他监测还是手工模式。怎么实现对传染病与非传染病性疾病的同质信息化 ，避免重复建设、降低建设成本？

为解决以上痛点，基于大数据的传染病疾病智能监测系统的主要目标就是解决医院对于传染病疾病迟漏漏报的智能监测、帮助医院提升风险防控、提高监测效率、实现互联互通。主要实现方式是利用大数据解决智能去重、智能设别、智能转换、智能筛查、智能上报问题。通过一体化的系统设计、极致的方便医生对传染病疾病监测卡片的填报、减少医生填报卡时间。并与各方协同推动并实现传染病、疾病的CDC上报与互联互通。为节省医院的人力、物力、财力。

在医院内建立传染病疾病监测大数据仓库并向医院临床各大系统（包含不局限于HIS、LIS、EMR、PACS）采集与治理以下数据。

基本数据：

1.科室信息：医院所有科室信息。

2.职工信息：医生所有医生与护士管理人员信息。

3.用户信息：职工的系统登陆账号信息。

门诊数据：

4.基本信息：门诊患者登记与档案的基本信息。

5.诊断信息：门诊患者的症候与诊断信息。

6.检验结果：门诊患者检验项目的申请与结果信息。

7.检查结果：门诊患者的检查申请与结果信息。

8.门诊病历：门诊患者病历的相关信息。

住院数据：

9.基本信息：住院患者的基本信息。

10.出入转信息：住院病人的在院与出院、专科等信息。

11.医嘱信息：住院患者的长期与临时医嘱信息。

12.诊断信息：住院患者的入院诊断、出院诊断等所有真正信息。

13.检验信息：住院患者的常规检验信息。

14.微生物培养信息：住院患者的微生物培养送检与培养结果信息。

15.检查信息：住院患者的检查结果申请与报告信息。

16.电子病历：住院患者的电子病例病程信息。

对诊断关键识别：通过建立诊断关键词知识库对医生开立的ICD10诊断或描述性诊断进行监测、精准识别出符合现实监测疾病诊断元素。

对检验指标识别：通过建立检验指标知识库对检验数据进行监测、精准识别出符合现实的异常检验指标元素。

对病程影像的语义分析：通过建立症状体征库知识库将采集过来的病程描述内容与影像结果内容运用我司自主分词核心技术（已在上百家医院、运行7年的词与结构积累）进行语义分析、精准识别并提取医生书写的各症状、体征。对于、向“有无、鉴别诊断、排除诊断”等等类型写法进行识别，分析完成对各关键词做颜色标记。提取出符合现实监测的症状、体征元素。

对疾病用药识别：通过建立疾病用药知识库对用药数据进行监测、精准识别符合现实的监测的疾病用药元素。

疾病建模：通过对各传染病、疾病进行监测模型来解决传染病、智能认知问题与去重问题，将从诊断、检验、病程、影像、用药信息等数据提取出来的监测因素。放入模型中进行匹配运算、得出精准的评估结果。此模型解决传统“或运算”的精准度问题、“并运算”的敏感度问题、实现精准识别。（7年建模及预算经验）

1.有效降低迟报漏报率95%。与传统模式相比迟漏漏报可降低95%。

2.医生报卡时间缩短到40秒内。与传统模式相比提升5-10倍效率。

3.传染病CDC上报时间缩短到2秒。与传统模式相比提升60倍效率。

4.公卫业务信息化智能化一体化同质化。与传统产品模式相比节约医院3倍以上资金投入。

1.继续完善知识库、提升关键元素与疾病识别精准度。

2.AI研发、对于传染病、疾病治疗及暴发预测。

3.实现区域传染病的智能督导与智能筛查。

4.继续推动与CDC及公共卫生平台的互联互通。