2023年醫院新興技術創新應用典型案例征集活動經行業專家背靠背盲審以及終審，共選出24篇典型案例，將陸續刊登，以饗讀者。

1、項目簡介

　　單病種質量管理是醫療管理模式之一，旨在對與醫療核心質量相關的病種診療過程和診療結果進行管理，針對單病種患者提供臨床診療服務，以規范臨床診療行為為基點，運用信息化手段實現對病種結構(基礎)質量、過程(環節)質量、結果(終末)質量的控制，對每項指標的內涵與要求有明確的定義。醫院以單病種進行質量管理，既有利于提高醫療質量，又能準確地進行評價，便于橫向和縱向對比。單病種質量評價工作是國家三級醫院評審的重點工作之一，為更好地促進單病種的質控管理，國家衛生行政管理部門陸續發布了部分病種的質量控制指標，形成了標準化的醫療管理方法，為診治過程實行質量控制提供了依據。在單病種質控管理過程中，建立健全院內單病種質量管理體系、充分利用信息化技術建設院內單病種質量管理，不僅能夠加強對臨床服務與監管及重點指標的系統追蹤，更重要的是通過對單病種指標數據橫向與縱向分析比對，將有效提升醫院內單病種管理質量與管理效率，實現醫院醫療質量的持續改進。

　　單病種質量評價工作已成為等級醫院評審的重點工作之一，從南京鼓樓醫院自身建設角度來看，病種的質量控制指標，形成了標準化的醫療管理方法，為診治過程實行質量控制提供了依據。

　　從研究角度看，對病種模型和AI智能篩查技術的融合，實現在病種數據信息提取的基礎之上，滿足對病種質量的規范化管理，同時對專病模型建立和病例研究基礎進一步夯實，促進研究型醫院轉型建設。

2、關鍵技術或產品描述

　　(1)質控數據處理與病種數據庫建設

　　由于患者信息非結構化程度高，數據形式多樣，利用自然語言處理技術(NLP)進行實時數據流處理可完成患者離散數據的整合和結構化。通過建立醫學術語詞庫，NLP按照分句、分詞、語義分析形成文本摘要等步驟，把自然語言分割為不同的實體概念、邏輯、關系，轉化為機器可讀的語言，完成AI質控指標的關鍵信息提取。針對原始數據進行批量或實時多源異構數據集成，對源數據進行采集、清洗、轉換和加載，把加工后的數據加載到分布式數據庫和中心數據倉庫。數據采集過程中利用ESB實現分布式數據的獲取，以元數據為最小單元(術語)建立語義本體模型，利用醫學數據規范(HL7、DICOM、ICD、SNOMED等)定義云化ETL工具，按照國際通用OID標準建立本體映射關系，并按照疾病診斷學的角度在知識圖譜中進行關聯展現，實現對源數據的清洗、轉化等操作，從而構建出全結構化病種數據庫與知識圖譜。

圖1 急性肝炎知識圖譜示意

　　(2)預測模型構建與專病診療輔助

　　NLP提取的患者臨床特征與臨床規范、術語標準建立自動映射關系，是系統識別判斷病歷中是否存在診療質量缺陷、實現過程質量管理控制的關鍵步驟。病歷數據經由NLP后結構化處理后，得到結構化命名實體(包括診斷、治療、藥物、臨床表現、值等，形成患者畫像)。系統根據后臺知識庫決策樹分析模型，自動審核病歷中的診療質量缺陷并提示。醫生借助預測模型可在臨床處理過程中匹配臨床常規和合理診斷，點擊質控提醒可快速、及時完成相關診療操作，是具有參考價值的輔助手段。基于AI的自然語言理解技術，可實現對不同類型、段落的非結構化或半結構化歷史臨床病案數據進行認知理解與分析，形成段落清晰，結構完整的篇章語義分割，更好地將模型輸出到下游的諸如知識生產、圖譜建設及臨床輔助識別等應用場景中。

圖2 語義關鍵詞云檢索

　　(3)基于專病模型建立潛在專病病例的早篩與研究

　　運用專病信息識別篩查與判斷引擎，對潛在研究病例進行預判，建立研究型電子病歷信息庫。識別引擎作為醫療文書初篩工具，利用機器學習和深度學習模型，針對非結構化或半結構化的醫學信息，通過機器學習模型語義分類，并應用深度學習識別其語義標簽，以形成針對文本段落的語義信息理解過濾，快速標記患者，最終實現潛在病例的前瞻性識別，實現受試者信息的早期篩選。

3、應用效果

　　按照國家三級醫院評審工作中關于醫院單病種管理評審要求及國家衛生健康委關于單病種質量監測上報要求，為進一步規范臨床診療行為，促進醫院整體醫療安全、醫療質量、醫療工作效率及費用控制等醫療管理水平的提升，綜合醫院醫療質量管理實際工作流程及要求，進行醫院病種數據采集與質控管理的模式架構設計。病種數據采集與質控管理包含兩個部分，分別為病種數據自動采集模式和病種數據質控管理模式。病種數據自動采集系統支持多種數據庫類型如sqlserver、MySQL、Oracle等，對接CDR或ODS通過可視化字段匹配配置及病歷文本NLP技術和術語知識庫等技術，實現病種數據自動采集。病種數據質控管理可對接區域衛生或國家病種質量監測的模式設計，實現上報自動化、實時同步政府的模式設計各病種相應管理要求、病種公告以及病種內容，可支持低成本、高效的系統更新與部署。

　　(1)高效且準確的病種數據建模與信息提取

　　由于各病種的數據主要涵蓋患者基本信息和相關臨床就診信息，每個病種類似一個個袖珍的CDR模型庫，且這些模型庫的數據模型、術語標準都不一樣，導致醫院在數據采集、上報時需投入大量的時間和精力。病種數據自動采集系統旨在實現數據集成的高效性、準確性、可視化操作性，降低現場實施人員的繁雜工作量和失誤率，進行對應的數據庫配置，最終實現高效集成病種診療過程數據，降低人力成本，提高病種數據上報的準確率和時效性。

圖3 病種數據自動采集系統

　　(2)閉環式的病種數據質控管理模式應用

　　病種數據質控管理實現醫院不同部門間、臨床醫務人員、不同病例人群間的監測指標、分析數據的對比，并通過病例組成、分布、趨勢等分析對比進行數據的展現，同時借助管理基線、歷史數據基線、修訂基線等多種基線分析方式對臨床數據進行綜合性的數據對比。從病種精細化管理、病種科研問題預測和選題需求出發，提供及時、智能的輔助分析工具，集成t檢驗、回歸分析等統計分析工具，可生成相應統計模型，病種數據分布分析及相關性分析。

　　數據管理模塊設計數據上報、補錄、分配、審閱、導出和提交管理等全工作流程。數據上報展示是可上報的病種列表，用于填報人員查看該醫院所需要上報的病種填報內容，經過院內審核，可直接將數據上報同步到國家端，支持定期自動上報同步;數據補錄是在系統通過與醫院對接后，填報人員只需補錄部分數據;數據分配展示分配到填報人員的數據，數據入庫后自動分配責任人(填報人員)，確保數據填報補錄工作落實到具體責任人，且填報人員可對已分配的數據進行重新分配;數據審閱功能展示的是填報員上報的數據，科室/病區管理員能夠審核數據，可對數據進行批量操作，同時支持病種專家組監督審核數據質量，并具備查看詳情功能。

圖4 病種信息化管理平臺

　　數據在應用層面的功能規劃主要包括：數據質控、數據科研、指標監測、組織管理、質控監督等。在質控報告模塊中，可通過年份和季度進行數據的篩選，查看對應的報告，醫院管理員、醫院領導、科室/病區管理員將具備此功能權限。數據科研模塊中，通過連續性變量和分類型變量進行具體病種分析，分析結果以圖表和表格的形式展現，主要展示總計數、平均數和中位數。醫院管理員、科室/病區管理員、醫院領導、病種專家將具備此功能權限。指標監測模塊包括數據看板、數據大屏、數據質量三個部分，可綜合展示醫院中多個病種質量監測的數據統計詳細情況。科室/病區管理員、醫院領導、病種專家這3種角色將具備此功能權限。在組織管理模塊中，可分為6大角色和4大管理組織，只有醫院管理員有具備此功能權限。醫院管理員通過6種角色模板建立6種角色，對應操作權限可自由增減，從而在院內開展病種質控的組織管理。在質控督查模塊中，醫院管理員可建立督查計劃，病種專家進行督查，督查后不通過的結果將反饋給科室/病區管理人員或填報人員。

4、總結

　　病種數據采集與質控管理的模式設計基于PDCA(計劃PLAN、執行DO、檢查CHECK和處理ACT)管理循環的病種質控閉環管理理念，質控管理范圍更廣泛，充分發揮病種質量管理的科學價值，運用在診斷、治療、轉歸方面具有共性和某些重要的具有統計學特性的醫療質量指標，用數據進行質量管理評價。通過病種終末質量控制，提高醫療診治技術，評價醫師診療行為是否規范，進行持續改進，全面提升醫院醫療質量。

　　(1)通過建設病種數據采集與質控管理的模式設計，有效實現病種數據自動識別采集，構建出全結構化病種數據庫與知識圖譜，客觀評價分析病種臨床過程數據;

　　(2)病種數據采集與質控管理的模式設計，有助于建立一套具有理論科學、技術先進、實用可行的病種質量管理模式，促進醫院醫療質量管理水平的不斷提高;有助于建立一種科學的病種分類方法，制定病種質量參考標準，有效的規范和約束醫療行為;有助于建立病種醫療質量指標體系和醫療質量評價指標體系，提高醫院質量評價的合理性和實用性;

　　(3)融合AI智能識別技術，建立起面向研究隊列信息和數據的早期識別與篩查，能夠面向臨床研究持續提供完整的信息鏈路與數據資源。

　　申報單位：

　　南京鼓樓醫院

　　技術方向：

　　醫學人工智能

　　業務領域：

　　醫院管理