作者簡介：

吳大帥，新嶼算法工程師，曾供職于宅米網(wǎng)、新達達，從事系統(tǒng)架構(gòu)設(shè)計、算法設(shè)計等工作。?
李智慧，《大型網(wǎng)站技術(shù)架構(gòu)：核心原理與案例分析》作者，從事大型網(wǎng)站、分布式系統(tǒng)、大數(shù)據(jù)方面的研發(fā)工作。?
責編：錢曙光（qianshg@csdn.net）?
聲明：本文為《程序員》原創(chuàng)文章，未經(jīng)允許不得轉(zhuǎn)載，更多精彩文章請訂閱《程序員》。

---

人工智能的到來驅(qū)動著諸多領(lǐng)域的變革，但具體如何應用到行業(yè)實踐中一直是難題，本文介紹了人工智能是如何進一步提高醫(yī)療效率的曲折歷程，主要以病歷智能處理引擎為例。

文本病歷的語義解析是進行病歷價值挖掘的基礎(chǔ)工作，本文介紹一個病歷智能處理引擎的設(shè)計，針對醫(yī)療病歷這種特殊的文本，如何確立文本知識結(jié)構(gòu)，如何選擇應用自然語言處理算法，針對醫(yī)療科研與智能診療這個場景，如何根據(jù)模板抽取特定的知識信息，如何將該引擎應用于具體的生產(chǎn)系統(tǒng)中。

最近幾十年，隨著醫(yī)療信息化技術(shù)的不斷發(fā)展，積累了大量的病歷數(shù)據(jù)，但是大部分的病歷都以無結(jié)構(gòu)或半結(jié)構(gòu)化文本方式存儲，這對病歷價值的挖掘帶來了很大的難度，也難以將這些寶貴的信息應用于醫(yī)療科研和智能診療等領(lǐng)域，阻礙了智能醫(yī)療的發(fā)展。

病歷智能處理引擎主要目標是將病歷文本自動轉(zhuǎn)化為更便于醫(yī)療科研和機器學習的知識結(jié)構(gòu)，這是開發(fā)所有基于病歷的應用的基礎(chǔ)，也是智能醫(yī)療領(lǐng)域的研究熱點之一。

一、病歷智能處理引擎設(shè)計思路

病歷是患者疾病發(fā)展以及診療的記錄，是對采集的資料歸納整理、綜合分析并按規(guī)定的格式和要求書寫的患者醫(yī)療健康檔案，對醫(yī)療、教學、科研以及醫(yī)院管理有重要的作用。

病歷的文本性確定了引擎以NLP（自然語言處理）為核心，醫(yī)療科研等實際需求決定了引擎的上層結(jié)構(gòu)，接下來，按照應用NLP的一般思路介紹病歷智能處理的過程。

1. 確立文本知識結(jié)構(gòu)

病歷結(jié)構(gòu)敘述一般都比較清晰，各種醫(yī)療事件描述集中，整體按照不同或相關(guān)醫(yī)療語義進行句段的過度，這里我們按照原始文本的描述過程，使用遞歸層級結(jié)構(gòu)來表示中間結(jié)果，層級中的節(jié)點，按照語法結(jié)構(gòu)來存儲具體的醫(yī)療事件，方便對醫(yī)療事件進行語義提取。層級結(jié)構(gòu)如圖1所示。

圖1語義遞歸層級表示

醫(yī)學標準的不統(tǒng)一以及醫(yī)學術(shù)語口語化是影響病歷的共享和統(tǒng)計的重要原因，為了提高病歷智能處理引擎的效率，需要將所有的輸出標準化，即所有對應同一醫(yī)學實體的醫(yī)學表達要統(tǒng)一。這里我們引入了醫(yī)學知識庫作為統(tǒng)一的標準，將所有的抽取結(jié)果轉(zhuǎn)化為標準醫(yī)學敘詞或概念code輸出。整體結(jié)構(gòu)如圖2所示。

圖2 醫(yī)學知識庫與詞庫結(jié)構(gòu)關(guān)系

醫(yī)學知識庫的建設(shè)繁雜，但是對于醫(yī)療業(yè)務(wù)的可持續(xù)發(fā)展意義重大，所有基于知識庫的工作成果，可以在任何時間任何地點無壁壘解讀，持續(xù)的放大價值，推動醫(yī)療領(lǐng)域的發(fā)展。需要注意的是，醫(yī)療知識庫處在不斷的迭代完善過程中，我們在建設(shè)知識庫的過程中，要充分考慮知識庫的擴展性。

2. 應用算法處理病歷文本

應用算法處理病歷文本的過程，包含以下幾個部分。

醫(yī)學實體標記（分詞＋標注）

首先，需要分離醫(yī)學實體，這一步主要應用自然語言處理中的分詞算法來實現(xiàn)，分詞的算法有多種，每種算法有各自的優(yōu)劣。我們在實際應用中在業(yè)務(wù)不同階段使用了不同的算法，主要考量包括：一是算法的效果是否能達到我們的需要；二是算法底層數(shù)據(jù)結(jié)構(gòu)是否可以實時更新、實時生效，因為我們無法一開始就建立一個非常完備的醫(yī)學詞庫，實際應用時需要可以隨時更新分詞詞庫（內(nèi)存＋外部詞庫），讓更新的詞項實時生效。

然后，需要對醫(yī)學實體做標注，這一步相對簡單，如果是使用HMM分詞，可以使用維特比算法標注，也可以依賴詞庫標注。我們在實際應用時，將詞性改造成“詞性＋醫(yī)學實體TAG”的方式，這樣可以帶來兩個好處，一是一般分詞工具已經(jīng)把詞性標注集成到分詞算法中去了，這樣可以省去我們自己標注的工作；二是病歷文本的敘述也是遵循中文語法的，所以在做句法分析時，可以將醫(yī)學實體的通用詞性提取出來，然后使用通用的句法分析模型分析處理，避免在去做針對醫(yī)學領(lǐng)域句法分析語料標注、訓練的工作。

構(gòu)建語義層級

構(gòu)建語義層級的過程類似人閱讀的過程，以句子為單位從左向右讀取原始文本，然后由主控系統(tǒng)分析器對句子進行句法＋規(guī)則分析，得到具體的按語法結(jié)構(gòu)組織的數(shù)據(jù)，最后在由控制器根據(jù)語義建立新的語義節(jié)點并加入到新的層級。整體過程如圖3所示。

圖3 構(gòu)建語義層級過程

這里需要注意問題有：

• 在醫(yī)學領(lǐng)域，很多表述按照醫(yī)學慣例是不符合常用的語法的，這部分的結(jié)構(gòu)需要單獨處理，如：PT2bN0M0，這里面包含了T腫瘤大小及局部浸潤范圍、N淋巴結(jié)受累情況、M遠處轉(zhuǎn)移三種分期指標信息，類似這種領(lǐng)域特有表示，一般需要特殊處理，然后映射到語義層級通用結(jié)構(gòu)，方便后續(xù)跟著語義層級的其它信息統(tǒng)一處理。

• 一個語義節(jié)點的開始和結(jié)束的界限有時是非常模糊的，這需要我們預先做一個實體詞的關(guān)聯(lián)分析模型，以此來輔助判定后續(xù)的動作。另外，保證我們的系統(tǒng)針對層級誤差有一定的健壯性是非常有必要的。

3. 抽取信息

構(gòu)建完病歷文本的知識結(jié)構(gòu)之后，就是抽取數(shù)據(jù)進行實際應用的階段了，主要的步驟包括：構(gòu)建抽取模版、驗證抽取模版、實際抽取數(shù)據(jù)。

構(gòu)建抽取模版是確立結(jié)構(gòu)化目標以及定義抽取規(guī)則的過程，簡單的說就是定義一個Excel表頭并制定每一個列字段的數(shù)據(jù)抽取規(guī)則的過程。表頭的定義非常簡單，例如：姓名、年齡、癥狀等。抽取規(guī)則的定義要相對復雜，需要對語義層級有一定的了解，因為語義層級是一個樹狀結(jié)構(gòu)，所以對應的抽取規(guī)則也是一個層級結(jié)構(gòu)，并且最后一個層級要能真正定位我們關(guān)注的數(shù)據(jù)。

圖4是一個規(guī)則示例，語義層級的節(jié)點的TAG幫助我們定位到具體的語義層級節(jié)點，運算規(guī)則幫助我們進行匹配運算和對輸出結(jié)果的邏輯轉(zhuǎn)換，關(guān)鍵值標示了我們要抽取的目標。

圖4 單規(guī)則結(jié)構(gòu)示意

圖5表示我們一個簡單的抽取模版的示意，姓名和CT是我們的表頭內(nèi)容，后續(xù)是我們每個字段的具體抽取規(guī)則鏈。規(guī)則鏈標示了尋找數(shù)據(jù)的層級結(jié)構(gòu)，例如：抽取CT信息時要先找到現(xiàn)病史所在語義層級，然后在以此層級為基礎(chǔ)找到CT語義層級，進而獲取目標信息。

圖5抽取模版

需要注意的點：

• 注意抽取模版和抽取規(guī)則的復用。

• 要同時支持規(guī)則組的抽取，以滿足的對醫(yī)療事件的抽取需求，例如我們的示例模版會將CT的全部信息給抽取出來，但是無法詳細的抽取出CT的事件、地點、結(jié)果等信息，這時便需要通過規(guī)則組先定位到CT語義節(jié)點，然后以此節(jié)點出發(fā)，抽取此CT事件的詳細信息。

二、病歷智能處理引擎架構(gòu)

病歷智能處理引擎架構(gòu)主要分為六個子系統(tǒng)，示意如圖6：

圖6 病歷智能處理引擎架構(gòu)

• 病歷導入系統(tǒng)：負責對各個來源的各種格式的病歷數(shù)據(jù)進行病歷文本的提取。

• 語義層級構(gòu)建系統(tǒng)：病歷文本導入系統(tǒng)后，通過此系統(tǒng)進行語義層級上下文的構(gòu)建。此系統(tǒng)依賴自然語言處理系統(tǒng)、知識庫詞庫維護系統(tǒng)。

• 自然語言處理系統(tǒng)：負責對病歷文本進行分詞、句法分析、語義分析的工作，除了封裝通用的處理算法，還定制了醫(yī)學特有的處理算法。

• 知識庫詞庫維護系統(tǒng)：負責知識庫、詞庫的維護工作，是自然語言處理系統(tǒng)的基礎(chǔ)。

• CRF（Case Report Format）規(guī)則定制系統(tǒng)：負責定制抽取規(guī)則。

• 結(jié)構(gòu)化抽取系統(tǒng)：以語義層級上下文為基礎(chǔ)，通過CRF抽取規(guī)則進行結(jié)構(gòu)化的抽取。

以上是六個子系統(tǒng)的職責與關(guān)系的介紹，每個子系統(tǒng)中又包含了多個職責模塊，具體如圖7：

圖7 病歷智能處理引擎模塊示意

模塊劃分主要分為四層，從上到下分別對應病歷導入系統(tǒng)、語義層級處理系統(tǒng)、自然語言處理系統(tǒng)以及結(jié)構(gòu)化抽取系統(tǒng)。

這里沒有突出知識庫詞庫維護系統(tǒng)以及CRF規(guī)則定制系統(tǒng)的具體模塊，因為對整個系統(tǒng)來講，我們僅需要以上兩個系統(tǒng)的產(chǎn)出，即詞庫知識庫以及CRF抽取規(guī)則。

病歷導入的模塊主要是為了兼容不同的格式，所以對主流的Word、Excel等做了支持策略，同時為后續(xù)的擴展提供了保障。

語義層級處理系統(tǒng)的核心是層級的動作分類器，構(gòu)建整個語義上下文的骨架。

自然語言處理系統(tǒng)構(gòu)建填充了語義層級上下文的內(nèi)容，語義處理管道是主要的處理流，保證了自定義處理的擴展。

結(jié)構(gòu)化抽取系統(tǒng)的核心是抽取器，這里包含了一個任務(wù)中心，在此可以對抽取結(jié)果進行下載以及查看正在抽取任務(wù)的進度。

三、病歷智能處理引擎在臨床科研自動化中的應用

科研對很多醫(yī)生而言是一個剛需，評職稱需要論文，寫論文需要做科研。臨床科研的主要方式是選定一個課題，然后選擇病歷，對病歷進行結(jié)構(gòu)處理，錄入結(jié)構(gòu)化病歷記錄表中，再對這些數(shù)據(jù)進行統(tǒng)計分析，以分析結(jié)果得到的統(tǒng)計圖表為基本架構(gòu)，撰寫科研論文。

在這個過程中，最耗費時間和精力的，最容易出錯的，就是病歷的結(jié)構(gòu)化處理，而這正是前文闡述的病歷智能處理引擎的強項，一個使用病歷智能處理引擎的的科研過程如下圖。

圖8 醫(yī)療科研的一般過程

新嶼作為一家醫(yī)療大數(shù)據(jù)服務(wù)公司，為醫(yī)療科研過程開發(fā)了數(shù)款產(chǎn)品，構(gòu)成了一個醫(yī)療科研數(shù)據(jù)自動化處理平臺。整體架構(gòu)如圖9所示。

圖9 新嶼醫(yī)療科研數(shù)據(jù)自動化處理平臺

病歷文本通過病歷智能處理引擎進行自然語言處理后，處理結(jié)果寫入科研寶，并使用易統(tǒng)計進行分析，產(chǎn)生分析報表。

四、病歷智能處理引擎在智能輔助診療中的應用

病歷，特別是專家寫的病歷，本身就是一筆巨大的知識財富，將這些知識進行處理、分析、統(tǒng)計、挖掘，可以構(gòu)成一個病歷知識庫，供更多的人共享，即構(gòu)成一個智能輔助診療系統(tǒng)。整體架構(gòu)如圖10所示。

圖10 智能輔助診療系統(tǒng)架構(gòu)

病歷知識庫、循證醫(yī)學知識庫、科研文獻知識庫、用藥知識庫共同構(gòu)成一個輔助診療知識庫，通過知識匹配搜索引擎對外提供服務(wù)?；颊呋蛘哚t(yī)生錄入病史、檢查結(jié)果等信息，系統(tǒng)匹配初步診斷結(jié)果，搜索診療計劃，產(chǎn)生多個輔助診療建議，供患者和醫(yī)生進行參考。

目前新嶼輔助診療系統(tǒng)尚在原型驗證階段，受醫(yī)療管理、醫(yī)學倫理的限制，大規(guī)模商業(yè)應用目前看來還為時尚早，但是利用大數(shù)據(jù)技術(shù)支持下的智能醫(yī)療，實現(xiàn)多專家會診定制最優(yōu)診療方案是一件值得所有人期待的事。

五、總結(jié)

使用傳統(tǒng)IT技術(shù)，通過信息化手段提高醫(yī)療效率的工作已經(jīng)做了幾十年了，醫(yī)療機構(gòu)信息化程度也越來越高，對效能提升、信息快速流通起到了巨大的作用，但是，僅僅通過信息化手段進一步提高效率的空間越來越小，邊際效益越來越少。通過引入更多人工智能的因素，輔助醫(yī)生更快、更準確、更全面地開展醫(yī)療與科研工作，將會是下一階段IT技術(shù)的發(fā)展趨勢，但是新的道路總是曲折的，期待我們共同去探索。

---

訂閱《程序員》（含iOS、Android及印刷版）請訪問?http://dingyue.programmer.com.cn

訂閱咨詢：

• 在線咨詢（QQ）：2251809102

• 電話咨詢：010-64351436

• 更多消息，歡迎關(guān)注“程序員編輯部”

總結(jié)

以上是生活随笔為你收集整理的病历智能处理引擎的架构设计、实现和应用的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。