原创 AI革新病历系统-能“读懂”病历，将能“思考”

Artificial Intelligence（人工智能），简称AI。它其实是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

电子病历系统拖慢了医疗工作流程，人工智能或许能改善这一困境。

电子健康记录（electronic health record, EHR）的实用性及弊端

为了开药，医生必须在EHR系统中找出处方，但在其中一家医院，简单的搜寻指令却跳出了80条选项。举个案例，罗杰是26岁男性，选项竟然包含了儿童和婴儿用的止痛药，甚至还有减缓痛经的药物。医生尝试输入剂量（500毫克）来筛选，选项变为零，医生只好重回主选单，终于在第68个选项找到最常开的剂量：泰诺强效止痛药（500毫克）。

原本是件简单的工作，居然浪费了宝贵的时间和远超过原本该花的脑力。这只是每天使用EHR时，医生面对的无数挫折中的其中一例。

把医师手写的病患就诊记录、检验结果和其他重要医疗讯息，从纸本转为数字化资料的EHR，原本预期会澈底革新医疗工作流程。2009年美国通过经济及临床病历信息科技（HITECH）法案，提供360亿美元补助来鼓励医院和诊所把纸本病历转为EHR。当时美国总统欧巴马（Barack Obama）说，这项转变能「减少垃圾、消除繁琐手续、降低重复而昂贵的医疗检验，而且能减少遍布美国医疗体系中致命但可防范的医疗错误，从而挽救生命。」

 必要性

当HITECH法案施行时，只有48%的医师使用EHR，到了2017年，使用率已升至85%，然而EHR改造医疗体系的目标却未实现。医生抱怨接口笨拙难用，数据输入旷日费时，调查显示医生花在操作EHR的时间超过与病患实际交流的时间，导致医生过劳的问题越发严重。连欧巴马都观察到实施EHR成效未如预期，2017年他告诉新闻网站Vox：「现实比我们预期的困难。」然而根据医生和信息科学家的说法，EHR确实有潜力发挥效率和洞察力。人工智能（AI）领域中的机器学习（machine learning）或许能帮忙排除使用EHR遭遇的种种障碍，释放它们预测并改善医疗照护的潜能。

2016年美国医学会与在巴尔的摩和华盛顿特区附近经营10家医院的医疗之星（MedStar Health）合作，检查两个最大EHR系统的实用性，它们分别由塞纳-马恩省（Cerner）和史诗（Epic）两家信息科技公司所研发，在急诊用途的市占率达54%。研究团队召募了四家医院的急诊医师，提供他们虚构的病患数据和六种情境，看似有阑尾炎的罗杰就是其中之一。这些情境要求医师执行他们的日常工作，例如开处方和检验，研究人员评估医师完成每项工作所花的时间，需要以鼠标点选多少选项以及执行时的准确度，结果令人相当沮丧。不同医院的所需时间和鼠标点选次数差异极大，即使使用相同系统。不过某些工作明显在每家医院都很棘手，例如逐渐减少类固醇剂量，医生可能需要花2~3分钟自己计算剂量，再以鼠标点选20~42条选项。这些设计上的缺陷绝对会造成伤害，医师往往会开错剂量。在某家医院，错误率高达50%。

数字化灾难

EHR接口难用只是问题之一，另一项阻碍关卡是，不同医疗服务之间的信息很难衔接。如果病人换医生、到急诊室就诊或是搬家，医疗记录不一定能跟着走。2018年3月，史丹佛大学委托哈里斯民意调查公司进行一项网络调查，调查医生对EHR的态度，结果令人震惊。医生回报他们在每位病患上平均花半小时，其中超过60%时间用于操作病人的EHR。有半数在诊所执业的基层医生认为，EHR实际上降低他们的看诊效率。不过，尽管现在EHR系统有相当多缺点，大多数医生仍同意：比起纸本病历，EHR是极大的进步。

 AI 的用武之地

AI从诞生于来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。

从2015年起，史诗公司开始提供客户机器学习模型，为了研发这些模型，信息科学家用已知结果的真实范例来训练算法，例如预测目标是哪些病患因感染而并发威胁生命的败血症的风险最高，算法就会纳入重症加护病房例行搜集的资料，例如血压、心率和体温。数据越齐全，模型运作越好。史诗公司现在已在贩卖整套模型库，该公司分析技术与机器学习部门主任海恩（Seth Hain）说：「我们的模型已在超过300家医疗机构里运作或正准备施用。」败血症预测模型是最受欢迎的工具之一，每15分钟扫描一次病患信息，监控超过80个变量。2017年路易斯安那州的北橡树医疗体系采用败血症预测模型，如果患者的分数达到特定数值，EHR系统会寄送警讯给医生，提醒他们更密切注意病患、必要时提供抗生素。自从该机构使用这个模型后，败血症造成的死亡率降低了18%......

 AI 可以大致分为四种类型：

响应式 AI：这种人工智能不会利用机器学习来改进自身，每次遇到相同情境都会做出完全一样的反应。

有限记忆 AI：这种人工智能会使用机器学习，并基于以往表现来构造算法。AI 目前取得的许多进步都属于这个类别，也正因为此，现在大家常常会把人工智能称为 AI/ML。此外，机器学习有一个称为"深度学习"的子类，涉及通过多层分析从原始数据中汲取更多意义。

心智理论 AI：这种 AI 可以理解和记忆情感，并可基于这种模型来与人类互动。心智理论 AI 目前大体处于起步或理论阶段。

自我认知 AI 或"真正意义上的"AI：自我认知 AI 清楚其自身的情感，并拥有类似于人类的意识水平。自我认知 AI 目前还处于理论阶段。

AI的训练过程-用于医疗

医疗保健中的 AI 如何加速临床决策

海量健康数据和日益增长的责任让临床医生应接不暇，他们还要努力腾出时间来跟上最新的医学证据，同时仍要提供以患者为中心的护理。 通过将机器学习技术应用于最新的生物医学数据和电子健康记录，医疗保健专业人员可以快速挖掘由医疗专业人员策划的准确、相关、基于证据的信息。 一些基于人工智能的临床决策支持工具具有自然语言处理和基于领域的培训功能——使用户能够像在日常对话中询问医疗同事一样输入问题，并获得快速、可靠的答案。