陆军特色医学中心：基于人工智能技术的诊后管理平台构建

（1）研究目的

将人工智能技术应用于诊后管理服务流程和服务模式，研究适用于诊后随访场景的多模态人机交互技术与自然语言理解技术，构建以医疗为基础、以患者为中心的诊后管理体系和及时高效、全方位的智能化诊后管理服务平台，解决当前国内诊后管理所面临的信息采集不便、方式单一、效率低下、过度依赖人工等痛点问题，打通医患之间沟通的重要桥梁，提升对患者离院后的关怀与患者的医疗服务“获得感”，促进医患关系和谐，提升医疗服务质量与水平。

（2）主要研究内容 

研究如何利用语音识别、自然语言理解等AI交互技术改进传统的诊后管理模式，构建以出院随访、专科专病随访、满意度调查、全病程和慢病管理为主体的智能化立体式诊后管理体系，以数字化手段统筹患者的诊后管理规划，如随访计划、健康提醒、个性化宣教、满意度调查等，及时了解患者病情变化，指导患者康复。主要包括以下两部分研究内容：

1）智能化诊后管理平台构建，包括出院随访、慢病管理、满意度调查、健康宣教等。

2）智能化诊后管理技术研究，包括研究面向AI随访的自然语言理解技术、以及相关辅助决策模块的实现。

（1）国内外研究现状

1）国外情况

国外在诊后管理方面的研究起步较早，并取得较好的成效。特别是在发达国家，很多著名的医疗机构都有一套规范、庞大、系统的临床资料收集与统计分析流程，近些年来通过互联网、大数据、人工智能等技术，构建起了更加智能高效的诊后管理工具和随访系统，自动对患者进行随访，连续采集患者的病情变化数据，甚至可以根据患者的病情自动给出预警提示或应对建议，同时，很多知名医疗中心也已经实现了州立或国立的数据库数据共享，为临床科研和管理打下了坚实的基础，值得我国医疗机构学习借鉴。 

2）我国情况

我国医院的诊后管理现状并不容乐观。一方面，在我国医疗资源尚且不足的情况下，医护人员工作量已经饱和，让稀缺的医生资源去追踪、管理海量的患者群体，难免心有余而力不足。另一方面，传统的诊后管理模式，需要投入大量的人力资源，特别是慢性疾病的随访，需要与患者建立长期联系，复杂性与长周期性往往使得随访工作难以维系，鲜有成效。飞速发展的人工智能技术有望打破这一困境。

（2）发展趋势

2020年3月份，国家卫生健康委发布了《医院智慧服务分级评估标准体系（试行）》，明确对医院为患者提供智慧服务的功能和患者感受到的效果进行分级评估。该政策首次将改善患者就医体验、开展全生命周期健康管理等纳入评估目标，突出强调医院对患者离院后的关怀与患者的医疗服务“获得感”。及时高效的智能化诊后管理，是保障患者治疗效果的重要举措，是提升医疗服务质量与服务水平、提高患者就医满意度、促进医患关系和谐的强力助推剂。国家政策的出台标志着医院智慧服务体系建设将从粗放式进入成熟有序的阶段，

（3）必要性

诊后管理，作为医院定期了解患者病情变化和指导患者康复的手段，是医疗服务的延伸，是架起医患沟通的重要桥梁。但是目前诊后管理还面临诸多问题：

1）相关应用技术与诊后管理服务流程和服务内容脱节，缺乏智能化的主动管理模式，诊后管理工作的及时性和准确性得不到保障。

2）现有的数据采集方式单一，缺少覆盖不同人群的多样化、智能化的采集形式，特别是对于老年群体，传统的数据采集方式较为繁琐，对老年人不够友好。

3）目前的信息收集与管理工作主要依赖于人工，效率低下，耗费医院大量人力及时间。

（3）新颖性

将人工智能技术应用于诊后管理服务流程和服务模式，将为改善患者就医体验、开展全生命周期健康管理等诊后管理工作的革新提供强有力的技术支持和保障，有望为随访模式带来颠覆性创新，实现人工智能下的主动医疗。

（4）创新点

一方面，该项目所建立的平台可以解决既往诊后管理中信息采集不便、效率低、方式单一等缺陷，利用多模态人机交互技术实现及时高效的自动化健康信息采集，为诊后管理和医学研究提供了一套强有力的工具平台；

另一方面，该项目面向AI语音随访场景进行自然语言理解技术研究，可以解决特定医疗场景下中文语义理解和意图识别的准确率问题。

（5）研究意义

1）对患者而言，增强患者对医疗服务的获得感与满意度，改善患者的就医体验，提升患者依从性，改善患者的预后。

2）对医院而言，为医生建立起一套高效的患者长期追踪与管理体系，帮助医生及时了解肿瘤患者的预后、转移情况、生存状况、死亡状态等信息，为进一步完善治疗方案、提高治疗效果提供强有力的数据保障，进而为提升医院医疗服务质量与水平、促进医患关系和谐奠定坚实的基础。

（1）研究方法

本项目拟采用理论分析与实验验证相结合的研究方法。通过理论分析确定各关键问题的解决思路与方案，通过实验来验证方法的有效性。之后在应用系统平台上进行进一步的数据收集、实践检验和方法改进。

（2）技术路线

本项目拟结合AI电话、AI微信、AI短信等访问方式构建统一的患者诊后管理平台，采用B/S结构，以患者全息档案为基础，以患者出院随访、满意度调查、健康宣教等模块为本院就医服务的入口，通过人工智能筛选引擎快速定位需要进行诊后随访的患者，通过人工智能任务引擎自动生成随访任务，建立符合医院多层次管理需求的诊后管理应用平台。

平台应用的核心技术如下：

系统流程框架如下：

（3）技术方案

1）智能化诊后管理平台构建

智能化诊后管理平台的设计既需要充分考虑与医院现有系统、现有诊疗流程的衔接与融合，也需要以患者为中心实现个性化智能化的健康管理，因此需要非常灵活的技术架构来支持相关应用的开展。在平台的底层技术实现中，首先针对不同来源、不同模态的数据，设计标准化多元数据存储接口，保证各类临床业务系统与AI模型之间数据交换的兼容性。随后，根据院内外信息采集和诊后管理的需求，采用模块化的算法流程设计，利用docker及OpenStack技术实现不同算法和业务管理子系统的布署，便于之后进一步的算法扩展。针对患者、医院随访中心、主管医生等不同用户需求，设计提供网页版、手机app等不同终端界面，依托人机对话、图像识别等多模态交换技术完成健康信息收集和诊后管理任务。

2）智能化诊后管理技术研究

未来诊后管理的智能化主要会从服务交互模式的智能化和管理决策的智能化两个方面来体现。前者主要表现为智能人机交互技术的大量应用替代了繁重的人工劳动，例如用AI语音随访代替人工座席服务。后者主要体现为利用各种智能风险预测模型和临床辅助决策模型辅助医生进行诊后管理决策。

在真实电话随访场景中，患者通常不会按照预设的标准答案进行回答。因此，AI语音随访技术的重点和难点是需要解决此类场景下的语义匹配和特定意图识别问题。前者主要通过理解用户不同形式的表述，从随访表单中当前问题的一个或多个选项中选择符合的选项，完成对答案的匹配。后者主要用于识别一些特殊情况下用户的意图表达，如“请稍等一下”、“刚才没听清，请再说一遍”等等，并通过人机对话引擎中的预设逻辑做出相应的响应动作。

在电话随访场景下，患者回答的内容和标准答案相比一般偏于冗长，与标准答案之间的匹配成为了“短文本-长文本”匹配问题。针对此类问题，拟围绕多语义匹配模型进行研究，针对中文口语表达的特点研究改进相关模型结构，提高匹配准确率。其次，有别于其他一些场景中语义匹配应用是两两文本之间的匹配，如何将随访的问题文本（作为重要的上下文信息）、候选答案文本和患者回答文本三要素共同作为匹配模型的输入，提高匹配的准确率，还有待深入的研究。拟基于transformer框架，研究如何改进算法框架，使其可以有效处理“问题-候选答案-患者回答”三元输入的匹配问题，进而解决随访场景下的单选题、多选题匹配识别问题。

依托健康管理平台，可以更及时全面的收集患者信息。采集到的不同类型的健康信息，通过识别、清洗、转换和聚合，可以为各类AI模型提供标准化的输入，为患者健康管理和医生临床科研提供有力的支撑。通过和临床医生的配合，可以将各类成熟的疾病风险预测模型和临床辅助决策模型引入平台，为患者提供不同类型的宣教提醒、健康量表自测、复诊建议等服务内容，协助患者更好地完成自身健康管理，实现疾病风险的早发现、早干预。同时，以平台为依托，不断积累衔接院内外场景的患者健康大数据，可以为未来相关临床科研的开展奠定良好的基础。

（1）预期目标

1）构建以出院随访、慢病管理、满意度调查、健康宣教为主体的智能化立体式诊后管理平台，实现全院以医疗为基础、以病人为中心的自动化随访服务模式。

2）提升面向AI语音随访场景的语义理解技术。

3）配合临床要求实现相应的健康管理模型应用。

（2）成果应用前景

中国人民解放军陆军特色医学中心（大坪医院）采用AI智能随访系统，应用随访科室数量8个，建立随访计划方案20个，宣教方案11个，创建随访任务17624人，共完成随访任务12428人，有效随访率达70%，异常指标采集到1143人，按疾病对异常指标进行分类分析，协助医生患者病情进行及时干预。

智能化诊后管理作为医院智慧服务的拓展与延伸，可以与诊前、诊中服务共同形成患者全生命周期管理闭环，并为智慧医院的建设提供坚实的数据基础。该创新模式对于优化诊后管理服务、全面提升医疗服务质量及内涵具有实践意义与示范价值。

（3）社会效益

智能化诊后管理有助于优化医疗流程，提高医院运营效率，提升医疗质量与安全，提升患者满意度，缓和医患矛盾，同时，高效的管理模式可以更好地释放医疗资源，让及时、便利、优质的智慧医疗服务惠及更多人民群众。

申报单位：

中国人民解放军陆军特色医学中心