尹思艺 庞晓燕 蔡秀军 林 辉 乔 凯 王可心 徐 哲

    1.国家卫生健康委医管中心数据运行处，北京 100044；2.浙江大学医学院附属邵逸夫医院互联网办公室，浙江杭州 310016；3.北京刘家窑中医院中西医科，北京 100075；4.杭州朗通信息技术有限公司技术部，浙江杭州 310053

    目前，部分医院虽然引进了电子病历质控系统，但其质控范围仅限于病案缺项、时限等形式质控，不能解决病历逻辑的准确性、术语的规范性和诊疗处置的合理性等内涵问题[1-2]。该项研究通过构建医学自然语言处理[3-5]平台、术语映射平台、医学知识图谱、质控规则引擎和深度学习[6]模型，来清洗医疗数据，统一医学术语，实现对医学文本自然语言语义的理解，对运行病历文书和出院病案资料从完整性、时限性、逻辑性、合规性等多维度进行深度内涵质控应用，对电子病历质量进行事中、事后的全流程监控，提升智能电子病历质控[7]的准确性。

    1 质控系统设计

    1.1 利用深度学习和自然语言处理技术，实现病历文本分词和结构化处理

    要实现对病历内容的审核，首先要解决的是对病历文本准确识别和理解[8]。由于医学术语表述多样、复杂、不标准，因此第一步需要对复杂临床数据进行数据清洗、分词和结构化处理以及语义标注，从而增强数据识别的准确性[9]。因此利用深度学习[10]和自然语言处理技术[11]，搭建医学文本主动学习标注平台，对大量病历文本进行实体、属性、关系、事件等标注任务，获取海量的医学语料，然后基于医学语料进行语言模型训练，从而实现病历文本的结构化处理，在此过程中，辅以人工校验，不断提升病历文本分词的准确性。

    例如图1所示的病例文本自然语言处理(NLP)标准任务：“患者10年前无明显诱因下出现恶心、呕吐、伴腹泻，呕吐物和腹泻物为暗红色液体，至医院就诊诊断为胃出血”经自然语言处理平台处理后会自动抽取“无明显诱因”“恶心”“呕吐”“腹泻”“呕吐物和腹泻物为暗红色液体”“胃出血”等实体 ......