2024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20篇典型案例，將陸續刊登出來，以饗讀者。

1 案例概要

　　隨著醫療技術的不斷進步和患者服務需求的日益提高，醫院隨訪工作面臨著前所未有的挑戰。根據《四川省改善就醫感受 提升患者體驗主題活動實施方案(2023-2025年)》明確要求建立健全標準化隨訪流程，到2024年底，三級公立醫院出院患者隨訪率達到80%，到2025年底，三級公立醫院出院患者隨訪率達到90%，四川大學華西醫院(簡稱“華西醫院”)2023年月出院人次2萬余人，出院隨訪工作壓力巨大。在信息化、智能化浪潮的推動下，醫療服務領域正經歷著深刻的變革，華西醫院積極探索、利用新興技術，引進人工智能技術助力醫院隨訪，優化工作流程，提高隨訪工作效率。

　　結合人工智能、語音識別和自然語言處理等先進技術，實現醫療服務的創新應用。項目構建了智能語音隨訪系統，發展人機耦合醫患互動服務新模式，統一醫教研的創新隨訪服務方式。通過系統實現智能批量規范化外呼，開展人機交互，全程語義理解，準確識別患者的語音回答，利用自然語言處理技術對收集的信息進行智能分析和處理，最終可視化展示交互結果。項目于2023年12月啟動，建設包含患者檔案、知識庫、基礎平臺的智能語音隨訪系統。

2 服務對象

　　華西醫院智能語音隨訪主要的服務對象有以下幾類。

　　(1)出院患者：了解患者出院后的康復情況、用藥情況、醫療服務的滿意度等；

　　(2)科研患者：根據具體的科研項目和患者疾病類型，定期收集病情進展、治療效果、生活質量、心理狀況、遵醫行為、特定生理指標、特定治療方法的反饋內容。

3 數據分析

　　(1)隨訪成功率統計

　　項目于2024年4月正式上線，截止到2024年10月，出院患者隨訪覆蓋率已達99%，成功接聽隨訪電話人數(接聽隨訪電話患者數/出院患者總數)已達88%，智能語音電話執行成功(接聽智能語音電話次數/智能語音隨訪電話總次數)已達83%。系統具備不同科室、不同病種和不同時間段的隨訪成功率統計分析功能，為醫院管理層提供決策依據，推動醫療服務的持續改進和創新。

圖1 2024年5月-10月全院隨訪率統計

　　(2)隨訪失敗原因分析

　　系統具備隨訪任務電話失敗原因統計分析功能，人工追蹤因電話錯誤、電話未接通和電話中斷原因導致隨訪失敗的患者，在保證患者隨訪服務效率的基礎上提高隨訪服務質量，改善患者的就醫體驗。

表1 2024年5月-10月隨訪失敗原因分析

4 應用效果

　　(1)提升隨訪效率，減輕人工隨訪工作量

　　智能語音隨訪系統實施后，華西醫院優化隨訪機制為出院30天內隨訪2次，醫院2024年第三季度出院患者為6萬余人 ，隨訪電話任務量為13萬余次。智能語音隨訪系統在以下兩方面提升護士隨訪效率：智能隨訪機器人可同時撥打40個電話隨訪電話，隨訪電話執行效率提升約40倍；2024年第三季度成功接聽隨訪電話人數為89%，隨訪任務電話執行成功率為82%，減少人工撥打電話10.6萬次，減輕護士隨訪工作量。

　　(2)節約時間成本，保障醫療質量安全

　　前期調研，因患者口音、溝通協調困難等因素導致1人/次人工隨訪時長約為10~15分鐘。智能語音隨訪系統實施后，針對不同階段定制話術，了解患者基本情況(體溫、傷口、飲食、睡眠等)，通過規范隨訪話術智能語音隨訪時長下降為1人/次約2分鐘，隨訪時間下降約85%。

　　(3)優化隨訪機制，提升患者全程服務

　　基于人工智能的智能隨訪系統的實施變被動為主動，在隨訪效率上得到了較大的提升，華西醫院優化出院患者的隨訪機制，患者出院后隨訪由1次修改為2次，出院后第7天和30天進行隨訪。通過全院統一的隨訪話術了解患者基本情況，針對特殊患者進行人工持續追蹤，極大的提升患者就醫體驗感。

　　(4)實現患者分流，提升患者管理質量

　　出院患者隨訪是提供醫患溝通的服務平臺和患者診后管理的基礎。在此基礎上，華西醫院構建出院隨訪-科研入組隨訪或慢病隨訪新模式，該模式下，實現患者分流，有科研價值的患者進行科研入組管理，通過平臺科研隨訪路徑進行特例研究或分組對比研究，為臨床提供科研工具。針對符合慢病管理的患者，系統推薦患者加入慢病管理，進一步輔助患者有效的控制疾病，提高生活質量。

5 覆蓋范圍

　　覆蓋實驗醫學科、入院服務中心、慢病管理中心等18個科室和81個住院護理單元。

　　(1)針對出院患者：通過定期的電話隨訪，了解患者的診后康復情況、用藥情況、醫療服務的滿意度等；

　　(2)針對科研患者：通過定期的電話隨訪，收集科研人員需要采集的患者院外數據。

6 服務內容

　　(1)通過智能語音平臺按隨訪任務節點自動撥打患者電話，通過語音機器人與患者對話，了解患者出院后恢復情況。

　　(2)收集各專科隨訪系統的隨訪數據，搭建全院統一的智能隨訪系統。

7 關鍵技術

　　關鍵技術包括聲學前端技術、語音識別技術、語音合成技術、語音內容提取與分析、語音內容理解與摘要、多輪對話管理技術、自然語言處理及大數據分析、云計算技術。

　　(1)聲學前端技術：主要關注從含噪語音中提取盡可能純凈的原始語音，為語音識別打下基礎，涉及從各種噪聲干擾中提取有用的語音信號，以抑制和降低噪聲干擾；

　　(2)語音識別技術：讓機器通過識別和理解過程將語音信號轉變為相應的文本或命令，包括特征提取、模式匹配準則及模型訓練三個方面；

　　(3)語音合成技術：解決將文本信息轉換為自然流暢的語音的問題，涉及計算機科學、聲學、語言學、數字信號處理及心理學等多個學科；

　　(4)語音內容提取與分析：從語音信號中提取關鍵信息，如關鍵詞、語調、語速等，并對這些信息進行深入分析，以了解說話者的意圖；

　　(5)語音內容理解與摘要：在提取和分析的基礎上，進一步理解語音內容，并生成簡潔的摘要，有助于快速了解語音的主要內容，提高信息處理的效率；

　　(6)多輪對話管理技術：使機器能與人進行多輪、自然的對話，可以更好地理解用戶的意圖；

　　(7)自然語言處理：使機器能夠理解和生成人類語言，應用于文本分類、實體識別等；

　　(8)云計算技術：為上述所有技術提供計算和存儲能力，實時處理大量的語音數據，實現快速、準確的語音識別、合成和理解。

8 成功分享

　　(1)優化管理新理念

　　各科室建設獨立的隨訪系統是普遍現象，同時也造成各系統成為數據孤島，通常隨訪數據僅存在于本科室，無統一的隨訪系統，醫院上報隨訪相關的數據存在一定的偏差。華西醫院有組織的推進該項工作，從頂層統籌規劃，由指定部門負責規劃隨訪業務架構，信息中心完成平臺搭建，各業務部門按需納入隨訪管理。

　　(2)建立隨訪分流新模式

　　在構建統一智能語音隨訪系統基礎上，華西醫院構建了一套出院隨訪與科研隨訪、慢病隨訪相結合的新模式。在該模式下，結合話術設置的特殊答案和患者回訪內容，對具有較高科研價值的患者進行特殊標記，并將這部分患者推薦到科研管理平臺，由醫生評估后進行科研入組管理。平臺將符合慢病管理條件且愿意參加慢病管理的患者推薦至慢病管理平臺，通過購買慢病服務包模式開展定期隨訪、個性化健康教育和規范用藥指導等服務，幫助患者有效控制疾病。

　　(3)新技術融合業務場景

　　智能語音隨訪系統結合人工智能、語音識別和自然語言處理等先進技術，構建了智能語音隨訪機器人服務體系，通過系統智能批量規范化外呼，開展人機交互，全程語義理解，準確識別患者的語音回答，并利用自然語言處理技術對收集到的信息進行智能分析和處理。同時，該平臺與醫院信息系統深入融合，患者入院和出院時將相關醫療信息通過接口傳給智能隨訪系統，系統根據患者的出院科室、手術情況自動匹配隨訪路徑，并根據隨訪任務撥打電話。該模式下未增加醫護人員操作，實現人工智能技術與醫療業務的深入融合。

　　(4)建立后效評價新機制

　　自系統上線以來，華西醫院試點應用后進行全院部署。系統應用過程中通過以下幾方面進行效果評價：第一、建立通暢的溝通機制。建立由管理部門、臨床科室、信息中心、廠商溝通群，便于操作答疑和問題反饋；第二、定期收集臨床意見和建議。系統運行2周后，管理部門牽頭收集全院使用意見和建議，由管理部門和信息中心分別梳理管理需求和系統建設需求，進一步提升臨床科室的使用體驗。

9 機遇挑戰

　　(1)政策驅動

　　2018年12月，國家衛生健康委辦公廳印發的《電子病歷系統應用水平分級評價標準(試行)》中明確規定電子病歷8級要求實現健康信息的整合，即整合跨機構的醫療、健康記錄、體征檢測、隨訪信息用于本部門醫療活動。

　　2019年3月，國家衛生健康委辦公廳印發的《醫院智慧服務分級評估標準體系(試行)》中明確要求醫療機構需針對連續醫療服務時為患者提供電子化安排服務與記錄的能力。

　　2023年5月，國家衛生健康委發布的《改善就醫感受提升患者體驗主題活動方案(2023-2025年)》中要求加強診后管理和隨訪。醫療機構應建立患者隨訪檔案和隨訪計劃，建設基于患者服務為核心的多途徑智能隨訪平臺。

　　(2)醫院驅動

　　醫院方面，面對競爭日趨激烈的醫療市場，隨訪成為醫院改善醫患關系、提高醫院管理水平和醫療服務質量的重要手段。因此，醫院要阻止患者的流失，在提高自身醫療水平的同時也迫切需要提升醫院對患者的服務水平。此外，醫療機構需要對患者院后藥物的治療效果、存活率、手術恢復情況等進行科研數據統計與分析。

　　(3)患者驅動

　　患者方面，很多患者在出院后不知道如何進行居家護理及康復，遵醫行為依從性較低，最終導致疾病的復發與惡化。院后隨訪工作對于患者而言，能夠有效提升其對醫囑依從性、疾病知曉度及自我健康管理意識，進而提升患者健康水平。

　　(4)技術驅動

　　隨著互聯網技術、人工智能技術在醫療領域的不斷深入應用和大模型技術的不斷發展，在人機交互、多輪對話的場景下，大模型能精準識別患者意圖，并且通過大模型的內容生成能力，針對性回復患者，提升患者體驗。

10 下一步發展規劃

　　(1)開發具備深度學習能力的AI隨訪系統，實現精細化的隨訪管理

　　在現有隨訪的應用場景基礎上，進一步拓展系統的應用領域，探索將系統應用于全程患者管理、醫聯體協同等領域，為患者提供更加個性化的健康管理服務。系統能夠實現基于不斷發布的疾病診療指南、院外患者隨訪管理專家共識、系統化疾病隨訪信息庫等持續更新知識圖譜，同時根據患者的病歷信息，自動生成患者的專屬畫像，并結合專病知識庫，為患者生成個體化、精細化、專業化的隨訪計劃和宣教內容。

圖2 具備深度學習的AI隨訪系統

　　(2)實現基于大模型技術的智能問答，提升人機交互體驗

　　智能外呼隨訪功能與大模型進行整合，基于深度語義理解和交互路徑的答案自動生成，通過大模型結合語義、靜態話術和上下文信息進行自動回復。

　　以底座詢證推理的能力為基準，構建基于上下文語境和節點流程圖的動態決策技術。針對語義拒識結果，構建相關場景數據，實現大模型依據上下文語境和候選節點，推理判斷下一步交互流和回復策略。

　　利用大模型技術實現智能問答等功能，提升系統的智能化水平，使患者能夠更輕松地與系統進行交互，獲取患者所需的信息和服務。

圖3 基于大模型技術的智能問答流程圖

　　申報單位：

　　四川大學華西醫院

　　案例賽道：

　　應用場景與技術創新

　　案例業務領域：

　　患者服務