智慧医院建设实践

1、智慧医院建设实践推进互联网+ 智慧医疗一、智慧医院建设概述 二、智慧医院建设思路 三、智慧医院建设实践四、 AI技术在网络医院应用议 程一、智慧医院概述01part智慧医院的概念百度百科提供了智慧医疗的概念通过打造健康档案区域医疗信息平台，利用最先进的物联网技术，实现患者与医务人员、医疗机构、医疗设备之间的互动，逐步达到信息化联想认为的智慧医院肯定但不仅仅是：数字化医院；局部用了些智能设备；移动医疗；互联网医院、云医院等概念但一定是：真正以人为本，进行过顶层设计；整体的解决方案；系统工程；永无止境的长期工程2017年，广东省卫计委提出建设智慧医院基于移动互联网、物联网、大数据等互联网技术整合医

2、院内部信息系统，建设医院信息平台，实现医院内各业务系统之间的互联互通实现功能：智能导诊、预约诊疗、就诊全流程提醒、临床决策、智能护理、检验检查 结果查询、费用支付、药物配送、诊后随访改善患者就医体验，提高医疗服务质量，提升临床科研水平智慧医院：2017年12月，广东省启动智慧医院试点建设案例1：2017.10，阿里提出打造示范型智慧医院计划与浙大一附院合作：开发人工智能医生，主要作为专业医生助手发挥作 用，力争十年内将减轻医生一半工作量与浙大附二院合作：研制人工智能“虚拟病人”，医护人员可以用这个“虚拟病人”来练手，提高医术与上海新华医院合作：利用大数据、云平台、全流程移动支付等，打造“智慧医

3、院”。案例2：2017年8月，科大讯飞与安徽省立医院共建智慧医院人机交互技术：在医生的问诊过程中，通过智能语音以及自然语言理解技术，人工智能能够不断捕捉医患沟通信息，帮助医生进行更全面更精准的问诊；医学影像技术：支持高效的在线辅助诊疗，基层医生上传的影像科大讯飞的医学影像辅助诊疗 系统可以在1秒钟内完成诊断；机器的自我学习和推理：探索和推广基层全科医生“智医助手工程”，全面提升基层全科医生 的医疗服务能力对于智慧医院的共识业界对于智慧医院至今还没有形成清晰和明确的概念，更没有成型的建设规范和标准对于智慧医院业界有一些共识5大技术应用：云计算、医疗大数据、物联网、移动互联网、人工智能医疗2大流程

4、再造：面向患者/客户的就诊流程再造；面向医院的全业务流程再造1大目标：以人为本，全面提升医院的服务、效率、质量、安全，持续改善患者/ 客户的就医感受二、智慧医院建设基本思路02part医院信息系统完善，尤其是搭建了数据集成、整合、交互、分析的信息平台， 如临床数据中心与集成平台充分应用云计算、医疗大数据、物联网、移动互联网、人工智能医疗等技术， 对患者就诊流程以及医院业务流程进行全面流程再造以人为本，实现持续改善患者/客户的就医感受，全面提升医院的服务、效率、 质量、安全等目标结果对象技术云计算医疗大数 据物联网移动互联网人工智能 医疗患者就诊 流程医院业务 流程持续改善患者/客 户的就医感受

5、全面提升医院的服 务、效率、质量、 安全医院信息系统（临床数据中心、集成平台）三、智慧医院建设实践03part1、人工智能医生（AI Doctor）人工智能医生是智慧医院的核心与关键，支撑智慧医院各项业务的开展2016年10月，医院联合北京大数据医达科技公司开发面向公众的AI医生2018年3月成功推出首款实用的面向公众的人工智能医生版本智能分诊智能问诊智慧医院的核心与关键（机器人的智慧大脑）人工智能医生目的医生的知识体系教科书知识（学历与学位教育，学习固化的知识）各类临床疾病诊疗指南专家共识各种循证医学知识各类期刊、杂志、科学文献临床实践经验积累医生是这 样练成的！理论知识实践经验人工智能医生

6、的知识体系教科书知识（学历与学位教育，学习固化的知识）各类临床疾病诊疗指南专家共识各种循证医学知识各类期刊、杂志、科学文献对于海量病历的深度学习医院10余年近 50万份电子病 历及海量的门 诊病历理论知识实践经验医学 知识知识图谱例：高血压海量 病历非结构化的自然语言文本云计算NLP技术快速检索挖掘“症状、 检验、检查、 疾病、药品、 手 术 ” 等医 疗知识图谱关系症状检查检验疾病药品深 度 挖症状检查化验疾病药品深度挖掘分 析“症状、检验、检查、疾病、用药、 掘手 术 ” 等 信息之间的 医疗知识图 谱关系知识图谱病历集成视图记录分类筛选全部病历相似病历平台功能- 生命体征、化验、用药、检

7、查、诊断生命体征化验单医嘱- 药品说明医嘱- 药品用量检查记录诊断记录患者信息入院记录护理记录体温单医嘱记录诊断记录按 时 间 轴 方 式 展 现 各 类 记 录患者信息脱敏结构化信息提取生命体征趋势用药记录统计本院本院集成视图医学 知识知识 图谱海量病历对海量的知识和海量病历等医疗大数据进行深度挖掘 与机器学习，将知识与专家经验提炼成AI模型算法用深度学习算法，将医院海量电子病历作为输入向量，训练 从输入向量预测输出向量的数学模型AI Doctor 模型图:1Hadoop+Hbase+SPark人工 智能 诊疗 模型症状体征检查检验诊断结果治疗方案健康指导人工智能 医生！AI Doctor

8、模型图:2输入（初始界面）基本信息：性别、年龄、身高、体重主诉：症状、体征追加输入输出AI 医生 示例AI Doctor 示意图:1问诊1：该症状详细特征问诊2：是否有其他症状 问诊3：是否有相关病史体格检查：生命体征、临床表现 化验检查：检查目的、顺序追加输入输出疾病1疾病2诊断依据治疗方案就诊建议健康指导临床辅助AI Doctor 示意图:2鉴别诊断 ：可能的疾病追加输入问诊1：该症状详细特征问诊2：是否有其他症状问诊3：是否有相关病史体格检查：生命体征、临床表现化验检查：检查目的、顺序追加输入将人工智能医生嵌入到医院业务流程中交互患者自诊信息患者自诊资料交互到医生工作站 示意图医生工作站

9、患者信息人工智能医生涉及到的关键技术多源异构数据自动获取与处理技术：利用大数据基础技术完成多源、异构和非结构 数据的清洗、脱敏、结构化、标准化，构建互联互通的医疗健康大数据平台，为人 工智能先进应用奠定数据基础人工智能深度学习：引入深度神经网络机器学习模型，应用自然语言理解技术，实 现机器理解人类的自然描述，通过对海量病历的学习，构建递归神经网络等复杂的 统计学习模型，形成智能辅助医疗工具承载TB级数据处理的大规模分布式计算平台：针对海量医疗数据，大规模分布式计 算平台，用于支持TB数量级的数据处理，支撑对海量医疗健康数据的快速分析以及 增量数据的实时分析，挖掘出相关性和特异性信息，形成人工智

10、能应用平台构建医疗知识图谱：用户只需自然输入词语，医疗健康大数据平台就能在1秒内从海 量数据中找出相关联的疾病及其症状、检查检验、医疗方案等，并以可视化图谱展 示整体医疗知识族系，形成医疗大数据与人工智能融合应用主要成果：搭建了人工智能医生平台构建了庞大的中文医疗词库和医疗知识图谱汇集整理了11.8万多条医学词条， 3674种疾病，5375 种临床表现，4495 个化 验指标，1773 个检查标志物， 180万医疗经验，456份单病种临床指南，3亿 份三甲医院医疗病历等形成了以医疗健康大数据与人工智能应用相结合的人工智能医生平台是的，AI Doctor 就藏在智能终端 里。进入微信公 众号开启

11、智能问 诊功能示例1：人工智能医生是如何工作的？美国石英财经网（QUARTZ） 对此事件的报道颇具代表性， 它引用麻省理工学院技术评 论指出了大家普遍关心的问 题：如果AI诊断错了，谁为此 负责呢？AI还会告诉您，医生 接下来可能会补充哪 些检查、检验项目如果明确了诊断，AI 会告诉您医生会怎样 开处方问诊的资料，AI将传入 接诊医生工作站，供患 者就诊时医生参考患者大体上知道自 己是什么情况，医 生接下来会做些什 么，满足知情权医生提前知道患者 的基本病情，提高 了工作效率1、AI再造患者/客户就医流程技术对象结果云计算医疗大数据物联网移动互联 网人工智能医疗患者就诊流程持续改善患 者/客户

12、的就 医感受至少6个环节至少2个小时排队是的，我 讨厌排队！号源池：号源全开放（全预约挂号）人脸识别建档：人证匹配（身份证、电子卡）虚拟卡：电子就医卡移动支付：所有形式的线上支付AI分诊：人工智能分诊（难点）档功，动 可完开启人脸识别建 能，按操作提示 动嘴、眨眨眼即成示例2：人脸识别建档人证匹配（身份证、 医保卡、电子就医卡）实名就医刷脸支付精准预约：每个号的预约时间精确到分钟（候诊）智能导航：院内智能导航系统，与医生诊室关联AI医生：人工智能医生智能问诊（相关信息导入接诊 医生工作站）示例3：精准预约与院内智能导航如同汽车导航， 在院内可以精准 导航到医生诊室 门口根据医生的习惯， 精准预

13、约看病时 间点，2016年实 施以来，医生从未爽约！移动支付：扫码付、刷脸付信用支付：先看病后付费或者诊后 付费示例4：信用诊疗、扫码付、刷脸付付费？微信支付、支付宝 银联网上支付扫码付刷脸付信用医疗（先病后付费）先看病后付费2016年，医院对所有广州市医保病人实行先看病后付费试点，至今5万余出院患者，效果非常好2018年，联手蚂蚁金服，为所有门诊患者、自费住院患者提供先看病后付费服务，目前，每天已有几十例患者享受此服务智慧中药配送：智慧药房拣药、煎煮、配送上门智慧药房直接配送或者基于社区药店配送上门示例5：药品智能配送药品？与香雪制药合作，中药处方经智能终端传送给香雪制药，煎 煮后配送到家，

14、目前，每天配送100余张处方与社区药店合作，西药处方经药店直接配送给患者实施以来，广大患者普遍欢迎微信公众号直接挂号选择科室、专家、选择就诊时间、确定挂号并确定支付确定支付后，反馈挂号详情及导航地址，可据此直达至专家诊室取消挂号也非常简单，取消后，挂号费立刻退返并微信通知当患者并不知道该挂那个科室的时候，需要人工智能分诊挂号人工智能医生 家庭医生第三方影像 第三方检验 智能影像诊断接下来？XX技术对象结果云计算医疗大数据物联网移动互联网人工智能医疗医院业务流 程全面提升医院的 服务、效率、质 量、安全AI再造医院业务 流程3示例1：智能物流系统手术室人工智能物流机器人配送系统（2018.03）

15、供应室人工智能物流机器人配送系统（2018.03）示例2、智能仓储系统应急物质物联网智能管理系统（2017.03）临床药物试验资料智能管理系统（2015.10）示例3：智能配送服务链延伸（SPD）智慧药房（2014.01）医用耗材智能管理系统(2017.10)示例4：智能影像诊断系统（腾讯）肺结节影像人工智能诊断系统(2018.03)钼靶智能影像诊断分析系统(2018.03)胃肠镜影像人工智能诊断系统(2018.03)远程心电智能监护系统(2014.05)名称/层数类型定位轴向直径（ mm）标准直径（ mm）密度（平均/最大/最小/方差）HU体积（ mm3）恶性风 险Lung-RADS分 类结

16、节1/163实性右肺下叶37.48 31.7433.54-112.8/49.0/-540.0/196.91975999%4B结节2/129实性右肺中叶11.21 9.349.92-416.4/-22.0/-773.0/227.551196%4A结节3/194实性右肺下叶16.48 12.8813.91-65.0/67.0/-424.0/160.1140965%4B结节4/85磨玻璃左肺上叶3.86 3.313.47-642.7/-501.0/-740.0/71.62210%2肺结节影像人工智能诊断非常容易忽略名称/层数类型定位轴向直径（mm）标准直径（mm）密度（平均/最大/最小/方差）HU体

17、积（mm3）恶性风险Lung-RADS分类结节1/110实性右肺中叶14.42 11.1212.12-293.3/11.0/-800.0/263.093155%4A名称/层数类型定位轴向直径（mm）标准直径（mm）密度（平均/最大/最小/方差） HU体积（恶性风Lung-RADSmm3）险分类结节1实性/81右肺中叶19.24 17.4017.98-487.6/-24.0/-766.0/236.83044100%4B名称/层数类型定位轴向直径（mm）标准直径（mm）密度（平均/最大/最小/方差） HU体积（恶性风Lung-RADSmm3）险分类结节1实性/126右肺下叶30.22 24.732

18、6.39-175.6/47.0/-677.0/235.09623100%4B名称/层数类型定位轴向直径（ mm）标准直径（ mm）密度（平均/最大/最小/方差）HU体积（ mm3）恶性风 险Lung-RADS 分类结节1/76混合性右肺上叶15.20 12.2913.16-501.1/-168.0/-757.0/175.41194100%3示例5：人工智能医生问诊系统(2016.05)门诊医生工作站人工智能问诊系统住院医生工作站人工智能问诊系统示例6：移动护理信息系统(2016.10)示例7：智能化应急医学救援管理系统(2014.03)数字化单兵信息化移动救护单元物联网救援物质管理系统智能化应急指挥平台3G路由器信号接收器无线功率传感器固定医疗设备GPS电线3G路由外置天线信号接收器