（1）研究目的

將人工智能技術應用于診后管理服務流程和服務模式，研究適用于診后隨訪場景的多模態人機交互技術與自然語言理解技術，構建以醫療為基礎、以患者為中心的診后管理體系和及時高效、全方位的智能化診后管理服務平臺，解決當前國內診后管理所面臨的信息采集不便、方式單一、效率低下、過度依賴人工等痛點問題，打通醫患之間溝通的重要橋梁，提升對患者離院后的關懷與患者的醫療服務“獲得感”，促進醫患關系和諧，提升醫療服務質量與水平。

（2）主要研究內容 

研究如何利用語音識別、自然語言理解等AI交互技術改進傳統的診后管理模式，構建以出院隨訪、專科專病隨訪、滿意度調查、全病程和慢病管理為主體的智能化立體式診后管理體系，以數字化手段統籌患者的診后管理規劃，如隨訪計劃、健康提醒、個性化宣教、滿意度調查等，及時了解患者病情變化，指導患者康復。主要包括以下兩部分研究內容：

1）智能化診后管理平臺構建，包括出院隨訪、慢病管理、滿意度調查、健康宣教等。

2）智能化診后管理技術研究，包括研究面向AI隨訪的自然語言理解技術、以及相關輔助決策模塊的實現。

（1）國內外研究現狀

1）國外情況

國外在診后管理方面的研究起步較早，并取得較好的成效。特別是在發達國家，很多著名的醫療機構都有一套規范、龐大、系統的臨床資料收集與統計分析流程，近些年來通過互聯網、大數據、人工智能等技術，構建起了更加智能高效的診后管理工具和隨訪系統，自動對患者進行隨訪，連續采集患者的病情變化數據，甚至可以根據患者的病情自動給出預警提示或應對建議，同時，很多知名醫療中心也已經實現了州立或國立的數據庫數據共享，為臨床科研和管理打下了堅實的基礎，值得我國醫療機構學習借鑒。 

2）我國情況

我國醫院的診后管理現狀并不容樂觀。一方面，在我國醫療資源尚且不足的情況下，醫護人員工作量已經飽和，讓稀缺的醫生資源去追蹤、管理海量的患者群體，難免心有余而力不足。另一方面，傳統的診后管理模式，需要投入大量的人力資源，特別是慢性疾病的隨訪，需要與患者建立長期聯系，復雜性與長周期性往往使得隨訪工作難以維系，鮮有成效。飛速發展的人工智能技術有望打破這一困境。

（2）發展趨勢

2020年3月份，國家衛生健康委發布了《醫院智慧服務分級評估標準體系（試行）》，明確對醫院為患者提供智慧服務的功能和患者感受到的效果進行分級評估。該政策首次將改善患者就醫體驗、開展全生命周期健康管理等納入評估目標，突出強調醫院對患者離院后的關懷與患者的醫療服務“獲得感”。及時高效的智能化診后管理，是保障患者治療效果的重要舉措，是提升醫療服務質量與服務水平、提高患者就醫滿意度、促進醫患關系和諧的強力助推劑。國家政策的出臺標志著醫院智慧服務體系建設將從粗放式進入成熟有序的階段，

（3）必要性

診后管理，作為醫院定期了解患者病情變化和指導患者康復的手段，是醫療服務的延伸，是架起醫患溝通的重要橋梁。但是目前診后管理還面臨諸多問題：

1）相關應用技術與診后管理服務流程和服務內容脫節，缺乏智能化的主動管理模式，診后管理工作的及時性和準確性得不到保障。

2）現有的數據采集方式單一，缺少覆蓋不同人群的多樣化、智能化的采集形式，特別是對于老年群體，傳統的數據采集方式較為繁瑣，對老年人不夠友好。

3）目前的信息收集與管理工作主要依賴于人工，效率低下，耗費醫院大量人力及時間。

（3）新穎性

將人工智能技術應用于診后管理服務流程和服務模式，將為改善患者就醫體驗、開展全生命周期健康管理等診后管理工作的革新提供強有力的技術支持和保障，有望為隨訪模式帶來顛覆性創新，實現人工智能下的主動醫療。

（4）創新點

一方面，該項目所建立的平臺可以解決既往診后管理中信息采集不便、效率低、方式單一等缺陷，利用多模態人機交互技術實現及時高效的自動化健康信息采集，為診后管理和醫學研究提供了一套強有力的工具平臺；

另一方面，該項目面向AI語音隨訪場景進行自然語言理解技術研究，可以解決特定醫療場景下中文語義理解和意圖識別的準確率問題。

（5）研究意義

1）對患者而言，增強患者對醫療服務的獲得感與滿意度，改善患者的就醫體驗，提升患者依從性，改善患者的預后。

2）對醫院而言，為醫生建立起一套高效的患者長期追蹤與管理體系，幫助醫生及時了解腫瘤患者的預后、轉移情況、生存狀況、死亡狀態等信息，為進一步完善治療方案、提高治療效果提供強有力的數據保障，進而為提升醫院醫療服務質量與水平、促進醫患關系和諧奠定堅實的基礎。

（1）研究方法

本項目擬采用理論分析與實驗驗證相結合的研究方法。通過理論分析確定各關鍵問題的解決思路與方案，通過實驗來驗證方法的有效性。之后在應用系統平臺上進行進一步的數據收集、實踐檢驗和方法改進。

（2）技術路線

本項目擬結合AI電話、AI微信、AI短信等訪問方式構建統一的患者診后管理平臺，采用B/S結構，以患者全息檔案為基礎，以患者出院隨訪、滿意度調查、健康宣教等模塊為本院就醫服務的入口，通過人工智能篩選引擎快速定位需要進行診后隨訪的患者，通過人工智能任務引擎自動生成隨訪任務，建立符合醫院多層次管理需求的診后管理應用平臺。

平臺應用的核心技術如下：

系統流程框架如下：

（3）技術方案

1）智能化診后管理平臺構建

智能化診后管理平臺的設計既需要充分考慮與醫院現有系統、現有診療流程的銜接與融合，也需要以患者為中心實現個性化智能化的健康管理，因此需要非常靈活的技術架構來支持相關應用的開展。在平臺的底層技術實現中，首先針對不同來源、不同模態的數據，設計標準化多元數據存儲接口，保證各類臨床業務系統與AI模型之間數據交換的兼容性。隨后，根據院內外信息采集和診后管理的需求，采用模塊化的算法流程設計，利用docker及OpenStack技術實現不同算法和業務管理子系統的布署，便于之后進一步的算法擴展。針對患者、醫院隨訪中心、主管醫生等不同用戶需求，設計提供網頁版、手機app等不同終端界面，依托人機對話、圖像識別等多模態交換技術完成健康信息收集和診后管理任務。

2）智能化診后管理技術研究

未來診后管理的智能化主要會從服務交互模式的智能化和管理決策的智能化兩個方面來體現。前者主要表現為智能人機交互技術的大量應用替代了繁重的人工勞動，例如用AI語音隨訪代替人工座席服務。后者主要體現為利用各種智能風險預測模型和臨床輔助決策模型輔助醫生進行診后管理決策。

在真實電話隨訪場景中，患者通常不會按照預設的標準答案進行回答。因此，AI語音隨訪技術的重點和難點是需要解決此類場景下的語義匹配和特定意圖識別問題。前者主要通過理解用戶不同形式的表述，從隨訪表單中當前問題的一個或多個選項中選擇符合的選項，完成對答案的匹配。后者主要用于識別一些特殊情況下用戶的意圖表達，如“請稍等一下”、“剛才沒聽清，請再說一遍”等等，并通過人機對話引擎中的預設邏輯做出相應的響應動作。

在電話隨訪場景下，患者回答的內容和標準答案相比一般偏于冗長，與標準答案之間的匹配成為了“短文本-長文本”匹配問題。針對此類問題，擬圍繞多語義匹配模型進行研究，針對中文口語表達的特點研究改進相關模型結構，提高匹配準確率。其次，有別于其他一些場景中語義匹配應用是兩兩文本之間的匹配，如何將隨訪的問題文本（作為重要的上下文信息）、候選答案文本和患者回答文本三要素共同作為匹配模型的輸入，提高匹配的準確率，還有待深入的研究。擬基于transformer框架，研究如何改進算法框架，使其可以有效處理“問題-候選答案-患者回答”三元輸入的匹配問題，進而解決隨訪場景下的單選題、多選題匹配識別問題。

依托健康管理平臺，可以更及時全面的收集患者信息。采集到的不同類型的健康信息，通過識別、清洗、轉換和聚合，可以為各類AI模型提供標準化的輸入，為患者健康管理和醫生臨床科研提供有力的支撐。通過和臨床醫生的配合，可以將各類成熟的疾病風險預測模型和臨床輔助決策模型引入平臺，為患者提供不同類型的宣教提醒、健康量表自測、復診建議等服務內容，協助患者更好地完成自身健康管理，實現疾病風險的早發現、早干預。同時，以平臺為依托，不斷積累銜接院內外場景的患者健康大數據，可以為未來相關臨床科研的開展奠定良好的基礎。

（1）預期目標

1）構建以出院隨訪、慢病管理、滿意度調查、健康宣教為主體的智能化立體式診后管理平臺，實現全院以醫療為基礎、以病人為中心的自動化隨訪服務模式。

2）提升面向AI語音隨訪場景的語義理解技術。

3）配合臨床要求實現相應的健康管理模型應用。

（2）成果應用前景

中國人民解放軍陸軍特色醫學中心（大坪醫院）采用AI智能隨訪系統，應用隨訪科室數量8個，建立隨訪計劃方案20個，宣教方案11個，創建隨訪任務17624人，共完成隨訪任務12428人，有效隨訪率達70%，異常指標采集到1143人，按疾病對異常指標進行分類分析，協助醫生患者病情進行及時干預。

智能化診后管理作為醫院智慧服務的拓展與延伸，可以與診前、診中服務共同形成患者全生命周期管理閉環，并為智慧醫院的建設提供堅實的數據基礎。該創新模式對于優化診后管理服務、全面提升醫療服務質量及內涵具有實踐意義與示范價值。

（3）社會效益

智能化診后管理有助于優化醫療流程，提高醫院運營效率，提升醫療質量與安全，提升患者滿意度，緩和醫患矛盾，同時，高效的管理模式可以更好地釋放醫療資源，讓及時、便利、優質的智慧醫療服務惠及更多人民群眾。

申報單位：

中國人民解放軍陸軍特色醫學中心