利用CDSS进行单病种质控的技术架构与实现方式

利用CDSS进行单病种质控的技术架构与实现方式
文章摘要:本文从浙江省台州医院(下称本院)建设基于CDSS的儿童社区获得性肺炎(CAP)单病种质控平台出发,探索CDSS在环节质量控制上的管理效能及技术框架与实现方式。

导读:

单病种管理是以病种为单位进行过程质量管理的新方法,我国总体执行达标率不断上升,但存在内容不规范、缺乏对内涵质量实时监测等不足。将结合人工智能和知识库的CDSS与电子病历集成,根据设定的质控规则在诊疗过程中自动识别和实时管控诊疗缺陷,提高单病种质控的实时性、规范化和数据真实性,助力提高患者预后和医学科研。

医疗质量管理是医院工作的核心和永恒主题。信息技术的快速进步为现代医疗质量管理提供了技术支撑,借助信息化平台,医疗机构能够轻易对医疗过程质量进行实时监控。临床决策支持系统(Clinical Decision Support System, CDSS)是医院信息化建设的核心系统,对于规范医生诊疗行为,提升医疗质量和管理水平具有重要意义。本文从浙江省台州医院(下称本院)建设基于CDSS的儿童社区获得性肺炎(CAP)单病种质控平台出发,探索CDSS在环节质量控制上的管理效能及技术框架与实现方式。

基于CDSS的儿童CAP质控平台建设

1.1 我国单病种质控开展现状

特定(单)病种质量控制是针对医疗过程质量进行管理,是考核临床医师和科室工作质量优劣的有效方法。与过程相关的指标直接对医疗活动中实际发生的行为进行测量,对医疗质量改进具有很高的价值,最能够反映医疗活动的合规性,但其测量也最为复杂。自我国推行单病种质控以来,总体执行的达标率不断上升,但尚有不足:偏重病历书写,对内涵质量干预不够;大多数医生对病原体等质控指标在CAP的地位认识有局限,指南执行情况不乐观;依靠人工统计分析,数据真实性存疑且有滞后性。

通过信息技术挖掘临床数据,建立对医疗过程的实时质量监测与控制,可以提高单病种管理的准确性、及时性和可比性,为医院落实单病种质量管理要求提供信息化抓手。

1.2 建立基于CDSS的儿童CAP质控平台

社区获得性肺炎(CAP)是儿童期尤其是婴幼儿常见感染性疾病,是儿童住院的最常见原因,2010年原卫生部将其纳入第二批单病种质量控制病种。实施小儿CAP单病种质控,可有效规范医院的医疗行为和诊疗技术,降低住院费用,提高服务质量和患儿家属的满意度。

本院通过接入结合领先人工智能技术和Mayo Clinic 医学知识库的临床决策支持系统 Dr.Mayson,在医生操作病历过程中智能识别诊疗行为是否存在缺陷并提醒,引导医生按照指南要求完成诊疗项目,生成过程数据实时回报质控指标完成比率,从而建立起儿童CAP的自动化PDCA质控应用。

CDSS单病种质控的临床应用与技术架构

2.1 基于AI的质控系统与电子病历集成

Dr.Mayson 采用插件式设计理念无缝嵌入医院电子病历系统,依托于医院全平台数据构建深度学习预测模型。通过与病历系统实时交互,获取不限于文书、诊断、护理医嘱、检验医嘱等病历内容,完成质控指标的数据元素自动采集和医学逻辑判定。

在数据收集上,CDSS集成HIS、LIS、EMR各系统数据,利用实时流计算对多源异构数据进行清洗(ETL)、存储、整合。在使用形式上,实现了不影响诊疗业务,操作过程中对病历进行流程性检查,一旦病历中有不符合临床规范的诊疗行为(如检查项目缺失、用药剂量不够)会自动触发系统的知识库规则引擎,系统将在病历文书页面如入院记录、每日病程、出院小结提醒医生处理。

2.2 质控指标设定及数据流处理

医院小儿肺炎单病种质控指标,在遵循国家卫健委单病种质控要求基础上,结合医院临床实际设定了“入院后动脉血气分析”“入院后病原学检查”等9项关键指标。CDSS系统依据设定的指标采集相关数据元素。

由于患者信息多以自由文本格式存在于病历中,非结构化程度高,术语名称使用不规范及无统一编码等,CDSS利用自然语言处理技术(Natural Language Processing,NLP)进行实时数据流处理,完成患者离散数据的整合、结构化。通过建立医学术语词库,NLP按照分句、分词、语义分析、形成文本摘要等步骤,把自然语言分割为不同的实体概念、逻辑、关系,转化为机器可读的语言,完成AI质控指标的关键信息萃取。

2.3 预测模型构建与诊疗缺陷事中提醒

病历数据经由NLP后结构化,得到结构化命名实体包括诊断、治疗、药物、临床表现、值等,形成患者画像。系统根据后台知识库决策树分析模型,自动审核病历中的诊疗质量缺陷并提示,临床医生点击质控提醒可快速、及时完成相关诊疗操作。

Dr.Mayson 知识库是在 Mayo Clinic 计算机可读的、标准化的疾病诊疗路径基础上,抽取国内指南文献、期刊论文中的医学规则,持续使用三甲医院门诊病历进行训练迭代形成的智能知识图谱,图谱自动映射国际通用术语标准SNOMED CT(临床医学术语标准)、ICD-10和ICD-11疾病诊断编码(图1)。

 图1 与国际术语库自动映射
分析模型的知识库与医学语言处理所用的知识库相对应,NLP提取的患者临床特征能够与临床规范、术语标准建立自动映射关系,这是CDSS识别判断病历中是否诊疗质量缺陷、实现过程质量管理控制的关键步骤。

质控结果数据实时提取与分析

基于CDSS的自动化质控模式属于事中干预,遵循PDCA原则,能够及时纠正医生行为偏差,并允许生成和输出中间过程数据。科室或医务管理部门可以按照不同维度查询质控达成情况,实时监测某特定患者/医生是否被/执行规范的诊疗路径,查询既定质控指标未完成的原因,及时与临床沟通纠正。

如图2所示,医院采用CDSS进行儿童CAP单病种质控,9项指标平均达标率93%以上。同时结合事后分析,将相应指标作为核心监测参数进行定期量化评价,把考评结果与个人绩效等结合,可有效提升医生病历书写和诊疗的规范性与一致性,使质量改进真正落到实处。

 图2 CDSS自动提取过程数据

讨论

目前医院信息系统存在集成性低、异构性突出等问题,数据标准化成为大数据分析的重要任务。建立临床数据与标准数据的正确映射,有利于数据的交换、共享和再分析,更好地为临床决策提供数据支持。

结合人工智能和权威知识库的CDSS,作为一种评价医疗质量的自动化工具与方法,不仅为单病种质量管理提出了新的管理抓手,同时能够有效改善诊断准确度[13],提升数据的标准化程度,为进一步的医学科研和持续质量改进提出新的解决方案。CDSS质控应用也存在处理多源异构数据和精准判断医学逻辑的挑战,需要对诊疗模型进行持续迭代优化。

文章来源:《中国数字医学》杂志2019年第5期,作者及单位:罗德芳 马宗庆,北京惠每科技有限公司、浙江省台州医院信息中心。

来源:中国数字医学,文章为原文作者独立观点,不代表医信邦立场。

0


扫一扫,分享到微信

猜你喜欢

文章评论

电子邮件地址不会被公开。 必填项已用*标注

后发表评论

需求发布

上一篇

医保面临的挑战:转型升级为2.0版

下一篇

首批委省共建国家区域医疗中心签约,广东8家医院入选

微信公众号

微信公众号