瑞金朱立峰：基于數據大腦的CDSS支撐全面智慧醫院發展模式
導讀
醫院應用數據大腦可改善醫生行為，提高臨床診療規范性，改善患者結局。
今年4月，上海交通大學醫學院附屬瑞金醫院基于階段性應用成果，正式發布聯合惠每科技共建的“醫院數據大腦”，并希望借助數據大腦，建立全息、全程的醫院質控管理體系。
在“智慧醫院評價系列標準宣貫解讀會”上，瑞金醫院計算機中心副主任朱立峰表示，“數據大腦”的核心是將醫院沉淀的數據，經過集中整合、標準化處理后，向全院開放數據服務，《讓醫院的數據能真正“用起來”》。他還分享了參與構建數據大腦的經驗，并詳細介紹了數據大腦在支撐服務臨床、管理、患者的全面智慧醫院發展方面的各項應用實踐。
01—面向臨床專科，通過診療質量控制，減少醫療風險
知識推送與醫生診間教育 即臨床建議型應用，比如在電子病歷（醫生工作站）中嵌入CDSS，和醫生形成交互，給予臨床醫生疑似常見診斷、文獻參考等幫助。
同時，數據大腦還集成了各類知識庫，為臨床尤其是低年資、進修、實習醫生提供警示、質控提示等幫助。比如根據年齡、性別、診斷等進行檢驗、檢查、手術合理性提示；根據患者診斷、檢驗結果推薦后續檢查、治療方案等。
以病種為核心的全過程診療路徑質控 其內涵是以國家單病種質控要求為核心依據，加強診療過程事中管理。
具體流程為：制定單病種質量監測指標；依據規范質控路徑實時核查臨床診療質量；指標數據提取與反饋。簡言之，數據大腦會將采集到的臨床數據進行解構，提供事中提醒、終末統計的能力。
臨床診療風險預警與管理 對各類風險的預警覆蓋全部在院患者，通過跟蹤入院到出院全程診療數據，進行風險判定和醫囑質控。
目前瑞金醫院已經建立了基于病種的多風險預測模型，包括膿毒癥風險預測、房顫患者卒中風險預測、VTE風險預測等，將預測模型嵌入電子病歷、電子醫囑，通過卡控等手段來警示和提醒臨床醫生注意醫療質量，并通過推薦治療方案、形成電子醫囑，來完成治療處理閉環。
朱立峰介紹，以VTE防治為例，過去病歷中的VTE相關評估需要花費大量時間，也存在錯評、漏評的情況。VTE智能防治系統上線后，能根據實時采集的病史、醫囑、檢驗檢查等各項數據給患者評分，當風險評估結果與人工打分不一致時，系統會引導醫生做相關對比，并利用系統溯源功能，為醫生提供病歷原文、文獻資料，告訴醫生系統評分的依據。同時，系統還會對高危患者智能推薦藥物、物理治療項目，并自動生成醫囑。
“醫院應用數據大腦改善了醫生行為，提高了臨床診療規范性，也改善了患者結局。”朱立峰介紹，醫院開展的一項臨床回顧性研究，對應用AI－CDSS降低醫院相關性VTE發生率的有效性進行驗證。研究成果已發表在《轉化醫學年鑒》（ATM）雜志。從研究可以看出，應用AI－CDSS后，瑞金醫院的院內藥物抗凝率上升14．57％，院內VTE發生率下降19．35％。
02—面向醫務管理，通過智能質控，滿足國家監管要求，提高管理質效
除了面向臨床提升診療質量，減少醫療風險外，數據大腦同樣能幫助醫院質控工作者提升管理質量與效率。
重塑單病種管理流程和能力
目前國家要求51個單病種數據上報，涉及7000＋數據填報項。使用單病種質控／上報系統能對患者在院各項數據自動抓取、填寫，臨床只需一鍵上報國家平臺。
經過“前期相關數據分析，使用系統后只需花費原來1／10的時間，就能完成數據上報，目前已覆蓋院內92％患者，自動上報萬余病例，且100％審核通過。”朱立峰說，單病種質控系統能幫助醫生填寫大部分數據項，減輕臨床工作壓力。
重構病案／運行病歷質量管控流程
過去醫院對病歷主要采取人工抽檢審核，抽樣率僅5％，且參與審核的專家少，只覆蓋少量運行病歷。采用病案首頁／病歷質控系統輔助審核后，實現了病歷邊書寫、邊質控，100％全覆蓋。當識別出內涵質控點錯誤時，會提醒醫生事中修改；疑似問題病歷，則會挑選出來提交上級醫生／病案室進行人工審核。
促進醫院運營向質量與費用雙控制轉變
當前醫保控費與醫院績效考核掛鉤，有了前述單病種質控、病案首頁質控、運行病歷質控等一系列措施的保障，數據大腦的另一項重要應用正是基于DRG和DIP支付模式，幫助臨床醫生準確填寫病案，正確入組。
此外，數據大腦還能通過多維指標統計分析進行，掌握（醫院、科室、醫生）績效／收支情況，實現精細化績效管理，促進醫院達到成本績效管理和醫療服務能力提升的平衡。
03—面向未來發展，將數據大腦應用由院內向一體多院區和醫聯體領域拓展
分享完數據大腦的各項具體應用情況后，朱立峰也對其未來的發展和應用提出了一些思考：
首先，數據大腦最重要的特點是數據的開放性。朱立峰希望，未來能依托數據大腦的開放數據，構建醫院“全景管理艙”。而數據大腦未來的應用方向與價值也將集中在“國考”指標管理、科研數據提取、多維度查詢與數據提取以及各類“邊界消失”的多業務指標監測。
其次，除了在院內管控領域更深入應用，還應當思考如何拓展數據大腦在“一體多院區”、醫聯體等領域的應用，通過對多院區、醫聯體的數據整合治理，為分級診療提供支撐。
第三，怎樣做好相關數據標注和醫學自然語言處理。醫學大數據可用性差，存在海量、高維度、低密度、不規范等問題，因此信息技術應用于臨床首先需要解決的就是醫學自然語言問題，要讓機器讀懂、讀準數據的意義。通過標準術語庫匯、分詞庫模型，將數據存儲為符合標準的結構化數據才能更好地應用于臨床決策，這也是數據大腦未來需要做得更好的地方。
第四，知識迭代與臨床推理問題。醫療是發展的過程，知識庫也非靜止和一成不變的，它來源于權威指南文獻、專業教材、真實病歷數據等的理論和實踐知識，也要結合人工專家標注方式不斷迭代、驗證，以增強輔助決策效能。
第五，需要重視數據的統計和利用。力求多維度、可視化地統計和管理數據，展示業務能力和業務效果，以及可改進方向，讓醫院管理有據可循。
第六，重視知識溯源。朱立峰表示，很多時候AI就像一個黑盒子，但在醫療領域應用時，需要向臨床展示其可解釋性，要讓醫生明確了解為什么會得出相應結論。重視知識溯源有利于推進整個CDSS系統的研發與應用。
本文根據朱立峰主任在“智慧醫院評價系列標準宣貫解讀會”上的講話內容整理
【編輯：JL】
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
圖片新聞
