导读

医院应用数据大脑可改善医生行为，提高临床诊疗规范性，改善患者结局。

今年4月，上海交通大学医学院附属瑞金医院基于阶段性应用成果，正式发布联合惠每科技共建的“医院数据大脑”，并希望借助数据大脑，建立全息、全程的医院质控管理体系。

在“智慧医院评价系列标准宣贯解读会”上，瑞金医院计算机中心副主任朱立峰表示，“数据大脑”的核心是将医院沉淀的数据，经过集中整合、标准化处理后，向全院开放数据服务，《让医院的数据能真正“用起来”》。他还分享了参与构建数据大脑的经验，并详细介绍了数据大脑在支撑服务临床、管理、患者的全面智慧医院发展方面的各项应用实践。

01—面向临床专科，通过诊疗质量控制，减少医疗风险

知识推送与医生诊间教育　即临床建议型应用，比如在电子病历（医生工作站）中嵌入CDSS，和医生形成交互，给予临床医生疑似常见诊断、文献参考等帮助。

同时，数据大脑还集成了各类知识库，为临床尤其是低年资、进修、实习医生提供警示、质控提示等帮助。比如根据年龄、性别、诊断等进行检验、检查、手术合理性提示；根据患者诊断、检验结果推荐后续检查、治疗方案等。

以病种为核心的全过程诊疗路径质控　其内涵是以国家单病种质控要求为核心依据，加强诊疗过程事中管理。

具体流程为：制定单病种质量监测指标；依据规范质控路径实时核查临床诊疗质量；指标数据提取与反馈。简言之，数据大脑会将采集到的临床数据进行解构，提供事中提醒、终末统计的能力。

临床诊疗风险预警与管理　对各类风险的预警覆盖全部在院患者，通过跟踪入院到出院全程诊疗数据，进行风险判定和医嘱质控。

目前瑞金医院已经建立了基于病种的多风险预测模型，包括脓毒症风险预测、房颤患者卒中风险预测、VTE风险预测等，将预测模型嵌入电子病历、电子医嘱，通过卡控等手段来警示和提醒临床医生注意医疗质量，并通过推荐治疗方案、形成电子医嘱，来完成治疗处理闭环。

朱立峰介绍，以VTE防治为例，过去病历中的VTE相关评估需要花费大量时间，也存在错评、漏评的情况。VTE智能防治系统上线后，能根据实时采集的病史、医嘱、检验检查等各项数据给患者评分，当风险评估结果与人工打分不一致时，系统会引导医生做相关对比，并利用系统溯源功能，为医生提供病历原文、文献资料，告诉医生系统评分的依据。同时，系统还会对高危患者智能推荐药物、物理治疗项目，并自动生成医嘱。

“医院应用数据大脑改善了医生行为，提高了临床诊疗规范性，也改善了患者结局。”朱立峰介绍，医院开展的一项临床回顾性研究，对应用AI－CDSS降低医院相关性VTE发生率的有效性进行验证。研究成果已发表在《转化医学年鉴》（ATM）杂志。从研究可以看出，应用AI－CDSS后，瑞金医院的院内药物抗凝率上升14．57％，院内VTE发生率下降19．35％。

02—面向医务管理，通过智能质控，满足国家监管要求，提高管理质效

除了面向临床提升诊疗质量，减少医疗风险外，数据大脑同样能帮助医院质控工作者提升管理质量与效率。

重塑单病种管理流程和能力  

目前国家要求51个单病种数据上报，涉及7000＋数据填报项。使用单病种质控／上报系统能对患者在院各项数据自动抓取、填写，临床只需一键上报国家平台。

经过“前期相关数据分析，使用系统后只需花费原来1／10的时间，就能完成数据上报，目前已覆盖院内92％患者，自动上报万余病例，且100％审核通过。”朱立峰说，单病种质控系统能帮助医生填写大部分数据项，减轻临床工作压力。

重构病案／运行病历质量管控流程

过去医院对病历主要采取人工抽检审核，抽样率仅5％，且参与审核的专家少，只覆盖少量运行病历。采用病案首页／病历质控系统辅助审核后，实现了病历边书写、边质控，100％全覆盖。当识别出内涵质控点错误时，会提醒医生事中修改；疑似问题病历，则会挑选出来提交上级医生／病案室进行人工审核。

促进医院运营向质量与费用双控制转变

当前医保控费与医院绩效考核挂钩，有了前述单病种质控、病案首页质控、运行病历质控等一系列措施的保障，数据大脑的另一项重要应用正是基于DRG和DIP支付模式，帮助临床医生准确填写病案，正确入组。

此外，数据大脑还能通过多维指标统计分析进行，掌握（医院、科室、医生）绩效／收支情况，实现精细化绩效管理，促进医院达到成本绩效管理和医疗服务能力提升的平衡。

03—面向未来发展，将数据大脑应用由院内向一体多院区和医联体领域拓展

分享完数据大脑的各项具体应用情况后，朱立峰也对其未来的发展和应用提出了一些思考：

首先，数据大脑最重要的特点是数据的开放性。朱立峰希望，未来能依托数据大脑的开放数据，构建医院“全景管理舱”。而数据大脑未来的应用方向与价值也将集中在“国考”指标管理、科研数据提取、多维度查询与数据提取以及各类“边界消失”的多业务指标监测。

其次，除了在院内管控领域更深入应用，还应当思考如何拓展数据大脑在“一体多院区”、医联体等领域的应用，通过对多院区、医联体的数据整合治理，为分级诊疗提供支撑。

第三，怎样做好相关数据标注和医学自然语言处理。医学大数据可用性差，存在海量、高维度、低密度、不规范等问题，因此信息技术应用于临床首先需要解决的就是医学自然语言问题，要让机器读懂、读准数据的意义。通过标准术语库汇、分词库模型，将数据存储为符合标准的结构化数据才能更好地应用于临床决策，这也是数据大脑未来需要做得更好的地方。

第四，知识迭代与临床推理问题。医疗是发展的过程，知识库也非静止和一成不变的，它来源于权威指南文献、专业教材、真实病历数据等的理论和实践知识，也要结合人工专家标注方式不断迭代、验证，以增强辅助决策效能。

第五，需要重视数据的统计和利用。力求多维度、可视化地统计和管理数据，展示业务能力和业务效果，以及可改进方向，让医院管理有据可循。

第六，重视知识溯源。朱立峰表示，很多时候AI就像一个黑盒子，但在医疗领域应用时，需要向临床展示其可解释性，要让医生明确了解为什么会得出相应结论。重视知识溯源有利于推进整个CDSS系统的研发与应用。

本文根据朱立峰主任在“智慧医院评价系列标准宣贯解读会”上的讲话内容整理

【编辑：JL】