本案例獲得CHIMA 2020醫院新興技術創新應用典型案例“醫院數據治理建設”方向三等獎。

2019年國家衛生健康委明確了我國智慧醫院的建設范圍，主要包括三大領域：“智慧醫療”、“智慧服務”和“智慧管理”。醫療質量管理智慧化是實現智慧醫院的重要特征。但目前醫院普遍存在醫療數據標準化程度不高、病歷數據多為非結構化表達、醫療質控點分散等問題，造成現有HIS、電子病歷、手麻、檢驗檢查等信息系統積累的海量數據無法在醫療質量管理中發揮其應有的作用和價值。

本項目主要圍繞醫療質量管理領域開展數據治理，實現醫院各信息系統全數據采集，完成數據高度整合及標準化、結構化處理，利用人工智能技術構建醫療質量安全綜合監控與管理平臺，實現從質量監測、質量預警、專家評審到質量改進的醫療質量閉環管理，助力醫院完成“發現問題-分析問題-解決問題-循環驗證”的醫療質量持續改進，全面提升醫院醫療質量管理水平。

（1）數據采集：醫療質量全數據集成

首先，從加強醫療質量管理、規范醫療服務行為、保障醫療安全的角度出發，幫助醫院建立涵蓋基礎質量、環節質量和終末質量的多維度質量管理指標體系。然后，利用數據采集技術將醫院內部跨平臺或異構運行的管理、臨床系統中的基礎數據（科室、患者、醫師等）和業務數據（醫囑、診斷、病歷、會診、手術、輸血、檢查、檢驗等）進行實時采集和集成存儲，實現醫療質量全數據集成。

（2）數據處理：數據標準化和結構化治理

智能化應用需要高質量的醫療數據作為支撐，因此數據的標準化和結構化治理是實現醫療質量智慧管理的基礎。數據治理主要依據國內外權威臨床指南，構建統一的術語庫，利用自然語言處理（NLP）將非結構化的電子病歷文本治理成能用于知識圖譜構建、診療模型搭建的標準化、結構化數據，實現疾病診斷、檢查檢驗、癥狀體征、藥品名稱、手術操作等結構化表達。

（3）數據利用：利用AI技術實現醫療質量智慧管理

數據利用主要基于數據采集和數據處理的結果，利用AI技術搭建信息平臺，通過智能化的質量監測、質量預警、質量評審分析、質量改進等功能，使醫院具備醫療質量智慧化感知與判斷、預警與反饋、分析與決策、協調與應變能力。

圖1 醫療質量閉環管理路徑

（1）ETL技術

利用ETL技術將醫院分散的、異構數據源中的數據如關系數據、文本數據等進行抽取，然后進行清洗、轉換、集成，最后加載到數據倉庫中，為聯機分析處理、數據挖掘提供數據支持。

（2）自然語言處理（NLP）及知識圖譜技術

利用NLP技術對醫療文本數據進行語義分析及提取，通過醫學詞庫及語料庫進行模型構建與訓練，從而實現非結構化電子病歷的結構化表達。利用病歷結構化形成的知識點建立知識圖譜，完成對電子病歷數據的深度語義理解。

（3）機器學習技術

采用機器學習技術構建預警預測模型，通過模型預測指標未來一段時間的走勢情況，并對分析指標進行預警。通過構建知識庫，分析產生醫療質量問題的原因，實現改進過程全方位追蹤和改進效果的多維度分析。

本項目利用ETL、NLP、知識圖譜及機器學習等先進技術，構建醫療質量閉環管理體系，幫助醫院實現“匯、治、管、智、評”的醫療質量智慧化管理效果。

（1）“匯”：全業務域數據匯聚

根據醫療質量管理需要，利用ETL技術實現醫院HIS、電子病歷、手麻、檢驗檢查等信息系統及危急值、不良事件、院感等專項質控系統全業務域數據采集及匯聚，并對數據采集情況進行實時監控及管理。

圖2 指標標準定義

圖3 數據采集情況實時監控

（2）“治”：數據標準化及結構化治理

通過指標監測規則的標準化定義及配置、電子病歷精準結構化處理等方面完成醫療數據標準化及結構化治理。

1）指標監測規則的標準化定義及配置

圖4 手術并發癥監測規則配置

2）電子病歷精準結構化處理

平臺根據病歷書寫基本規范和專業醫學知識，利用先進的自然語言處理技術，對電子病歷中醫療文本進行結構化提取和顯示。

以入院記錄的主訴為例，對“主訴：右側面部痙攣2年。”的結構化解析結果如下：

圖5 病歷結構化解析

（3）“管”：全過程醫療質量監管

“以患者為中心”建立質量管理路徑，從診斷、治療過程到治療結果進行全診療過程醫療質量監測，實現從患者入院到出院全過程醫療質量監管。

圖6 “以患者為中心”的全診療過程醫療質量監管

圖7 診斷質量監測舉例

圖8 治療結果監測舉例-會診質量

圖9 治療過程質量監測舉例-醫療核心制度落實

圖10 治療結果監測舉例-患者治愈好轉率

（4）“智”：AI技術助力智慧管理

基于數據治理結果，利用AI技術構建智慧管理功能，破解病歷內涵質控、手術并發癥自動篩查及非計劃重返自動判定等難題，并通過構建PDCA質控環，完成從質量監測、質量預警、評審分析、到質量改進的醫療質量閉環管理。重點應用舉例：

1）電子病歷內涵質控

系統能夠從內容完整性、邏輯一致性、診斷充分性、藥物相互作用等方面進行內涵質控，通過對病歷語義的理解，查找缺陷內容，標識原因，實現了對臨床病歷全方位質量把控與評審。

以入院記錄質量監測為例，除監測入院記錄在患者入院后24小時內完成情況外，還可完整覆蓋從一般項目、主訴、現病史、既往史、個人史、家族史、體格檢查、輔助檢查到診斷的內涵監測：

表1 入院記錄質量監測示例

圖11 自動對電子病歷進行評分及評級

2）手術并發癥及非計劃重返手術智能輔助監測

平臺通過對電子病歷內容進行挖掘，實現手術并發癥及非預期再次手術智能預警監測。平臺以手術患者信息為數據源，通過患者診斷、術后所有病程記錄、申請會診目的等多維度自動分析和篩查出疑似手術并發癥患者，通過AI手段將防控關口前移，并對在院患者同一次住院兩次手術間隔在31天內的非計劃再次手術事件進行動態監測。

圖12 自動監測手術并發癥

圖13 非計劃重返手術室監測

3）醫療質量閉環管理

按照PDCA閉環為指導，以AI為手段，對醫療質量進行實時、高效、常態、全程、全面監管，實現事前預測、及早干預，事中監測、及時預警，事后分析、持續改進的醫療質量全程追蹤閉環管理。

圖14 對監測到的醫療質量問題進行及時預警

圖15 支持醫療質量問題的持續改進

圖16 自動生成日、周、月、季、年質量分析報告

圖17 醫療質量走勢預測

圖18 風險因素分析

（5）“評”：醫療質量綜合評價

構建醫療質量綜合評價模型，對全院醫療質量情況進行綜合打分，通過得分高低即可掌握醫院本階段醫療質量狀況，讓醫院利用一個平臺即可總覽全院全部醫療質量信息。

圖19 醫療質量綜合評價

（1）中國人民解放軍總醫院（301醫院）

平臺已成功應用到醫院的病歷內涵質控、手術并發癥及非預期再次手術智能監測、核心制度落實情況監測以及醫療質量閉環管理等多個方面，對醫院醫療質量的提升效果明顯。醫院憑借在醫療質量標準化管理和信息化管理方面的經驗，榮獲2019年度我國質量技術領域的最高獎-“全國質量標桿獎”。

（2）北京協和醫院

依托北京協和醫院醫療質量管理理念，對平臺質量監測指標體系及功能進行擴展，打造基于東華醫為HIS、電子病歷等產品的醫療質量安全綜合監控與管理平臺，實現醫院醫療質量的智慧化管理和持續提升。

（3）四川大學華西醫院

華西醫院利用平臺對首診負責制度、會診制度、三級醫師查房制度、死亡病例討論制度等衛生健康委規定的18項醫療質量安全核心制度在醫院的落實情況的動態監測及管理，幫助醫院全面提升醫療質量安全核心制度落實水平。

醫療數據治理是一個“修高速公路”的過程，人工智能應用是“跑車”。本項目通過三個階段完成“高速公路”的修建及“跑車”的制造：數據采集階段主要是基于ETL技術實現對醫療全業務域數據的快速集成，數據處理階段借助NLP技術進行數據標準化、結構化治理，數據利用階段主要利用AI技術構建醫療質量安全綜合監控與管理平臺，使數據采集及數據處理的成果轉化為能夠賦能醫院智慧管理的智能應用。