导读
让大模型能够在病历质控中正确理解病历文书，筛选出病历文书中存在的逻辑性、合理性等内涵缺陷，并通过CDSS及时提醒医务人员。
近年来，随着GPT的出现和医疗领域大模型技术的兴起，给医疗AI行业带来了前所未有的机遇与挑战。但如何将其部署在医院，在诊疗、质控、管理等真实场景中真正发挥价值，目前仍处在探索阶段。
近日，惠每科技算法总监全福亮在英特尔人工智能高性能计算研讨会上，以“大模型在医疗行业应用”为题分享了惠每医疗大模型三大应用场景，及其高质量训练实践经验。
01
惠每医疗大模型三大应用场景
“临床决策支持系统（CDSS）的核心技术是底层的AI模型，大模型技术的广泛应用让CDSS的能力有了更广阔的前景。”全福亮表示，相比AI技术，大模型具备了更强的学习能力、更好的迁移能力和更深的理解能力，在处理大量、复杂的医疗数据和诊疗场景应用中具备更好的适应性和判断力，因此能够胜任更深层次的任务。
基于大模型技术的优势，惠每医疗大模型已经实现了鉴别诊断生成、出院小结生成以及病历质控三个临床应用。
1.鉴别诊断生成
医生在书写鉴别诊断文书时，可以通过右下角弹窗的信息，在三个自动生成的鉴别诊断结果中进行选择或评价。
自动生成的鉴别诊断结果包括三部分内容：一是初步诊断，二是诊断依据，三是鉴别诊断。医生可以对三个部分的内容分别复制和回填，也可以对自动生成结果进行评价，评价结果可以进一步用于优化鉴别诊断推荐结果。
全福亮介绍，传统鉴别诊断方式主要使用NLP技术抽取文书信息，包括症状、药品、检查、检验等医学实体及其属性，形成结构化数据后，再结合医学知识图谱预测患者的鉴别诊断。这种做法存在流程长、人工标注成本高和工作量大等缺陷，且无法在真正理解病历的基础上进行。而大模型本身具备更加优秀的语义理解和生成能力，更贴合鉴别诊断生成的思路。
2.出院小结生成
出院小结是患者出院后，医生对于患者住院全程的文书记录。出院小结内容通常包含入院日期、入院诊断、出院诊断、入院情况、诊疗经过等内容，属于较长的文书，据统计书写一份高质量出院小结通常需要占用医生6~8分钟时间。
与鉴别诊断相似，传统AI技术通过抽取和结构化处理医学文本数据，结合知识图谱和相应模型，根据模板生成出院小结。这种方式没有真正理解病历文书内容，无法满足医生对于高质量出院小结的需求。
惠每医疗大模型可以在医生书写出院小结时，自动生成出院小结中不同字段内容，供医生复制、回填或者评价，进而大幅提升医生书写高质量出院小结效率。
3.病历内涵质控
“相比出院小结，病历质控的需求对于医院来说更加迫切。”全福亮表示，患者病历中可能会存在很多类型的问题，例如性别、诊断类型、治疗方案等，其原因可能来自诊疗行为或是病历书写的不规范。而病历文书对于医疗质量控制、医患纠纷等具有非常重要的意义，有些缺陷甚至会造成比较严重的结果。
病历的质量控制分为形式质控和内涵质控。形式质控大多聚焦病历书写中的及时性和完整性，此前的AI技术已经能够基本满足病历形式质控的需求。而病历内涵质控体现在病历书写合理性、一致性等，规则相对抽象，更难被发现，传统质控方法很难有效提升病历内涵质量。
惠每医疗大模型在病历质控场景中的应用可以模拟人工专家，自动分析病历文书中存在的内涵缺陷，并通过CDSS推送缺陷问题和修改意见，供医生修改病历进行参考。
02
大模型如何实现病历内涵质控
从实现方案来看，基于规则的传统病历质控方案，只能解决简单的形式质控。基于AI的病历质控解决方案使用深度学习和规则引擎技术，根据深度学习模型分析电子病历文书，从中抽取医学实体词并处理为后结构化数据，其具备一定的推理能力，能够解决部分简单的内涵质控。而基于大语言模型的技术方案，由于自身强大的知识推理能力，可以理解更多内涵质控规则，解决更加复杂的内涵质控问题。
“复杂的内涵质控需要通过大模型技术来解决，比如诊断依据不充分、治疗方案分析不合理、手术名和手术经过不相符等等。”全福亮强调，从目前行业发展来看，要实现病历内涵质控只能依靠大模型技术。但是，通用大模型不能拿来就用，未做定向优化的大模型实际质控准确率并不高，想要实际落地并真正使用，需要在应用前与人工专家对齐。“惠每医疗大模型尝试了思维链提示词(CoT Prompt)、指令微调、混合专家模型(MoE)等多种优化方法，最终才达到了我们相对满意的效果。”
据介绍，优化后的惠每医疗大模型能够在病历质控中正确理解病历文书，筛选出病历文书中存在的逻辑性、合理性等问题，并通过CDSS对医务人员及时提醒。
以图中大模型应用真实案例为例，某病历中主诉为“确诊急性淋巴细胞白血病1年余，发现血检异常2天”，因此诊断为脓毒血症。大模型发现主诉和入院记录诊断无明显关联，并给出依据“急性淋巴细胞白血病的主要症状是发热、出血、淋巴结肿大等，与脓毒血症的症状不同”等。
在另一份病历中，记录患者接受手术的名称为“（左侧）后入路玻璃体切割术”，且详细记录了手术经过。大模型发现，该手术经过描述了在手术过程中使用阿柏西普注射液进行玻璃体腔内注射，但并未涉及玻璃体切割术的步骤，因此手术名称与手术经过不相符，并给出核对手术记录的建议。
对于大模型在病历质控中的作用，全福亮表示，其弥补了此前病历质控系统部分复杂内涵规则无法质控的问题。此外，基于大模型较强的语言交互能力，还可模拟质控员，解答临床医生对病历缺陷提出的疑问。“大模型能够在传统AI质控系统基础上，对病历更深层次的缺陷问题进行质量控制，同时实现形式质控和内涵质控，满足临床医生对高质量电子病历的需求和医院高质量发展需求。”
【责任编辑：王惠】
