系统介绍
基于深度学习的智能临床辅助决策系统是以智能决策引擎和医学知识库为核心，遵循疾病发生、发展的本质原理，以新一代人工智能基础理论体系为指导，采用基于本体的语义网络、人工智能、深度学习神经网络算法等前沿技术对涉及疾病诊疗本质的指南、文献、医疗病历等数据进行“学习”，自我完善知识库、规则库以及决策引擎模型，实现精准、高效地智能综合分析与判断、为医生诊疗过程中所涉及的基本检、诊、治服务提供精准的解决方案推送。
基于深度学习的智能临床辅助决策系统的服务流程以医生为主要使用对象，面向诊疗过程，实现初诊、复诊等不同场景的应用，其辅助功能主要为：帮助诊疗信息（患者症状、体征及辅检）的标准采集；提供规范的诊断帮助，避免误诊漏诊；帮助医务人员及患者对疾病知识全面了解；帮助医生快捷规范地完成病历记录；帮助管理者实现真实的统计分析和决策。
利用大数据、知识图谱、神经网络等AI技术，在医生诊疗过程的各个环节实时提醒和推送，辅助医生完成诊疗业务，提升医生诊疗服务能力，规范诊疗行为、减少误诊漏诊。
系统架构
基于深度学习的智能临床辅助决策系统以国家诊疗规范为标准、以人工智能技术为支撑，在数据核心层通过神经网络算法、推理模型等构件各类库，通过与其他医疗信息系统进行数据互联互通采集诊疗所需的数据，通过数据核心层的智能推理引擎，实现快速、准确的智能综合分析与判断，通过数据服务总线提供智能问诊策略、体格检查、辅助检查推荐、参考诊断依据策略以及治疗建议的辅助服务。
系统采用了Spring MVC架构，底层采用关系型数据库MySQL和图形数据库Neo4j结合的方式，通过Java语言来实现所有的功能。后台深度学习引擎使用Python，结合谷歌的TensorFlow的框架，创建了智能学习的模型。集中式云平台部署的B/S架构,支持Weblogic 或Tomcat中间件技术；支持XML和JSON格式数据传输，能与不同厂商的医疗信息化系统和信息相对接。
医学知识库
医学知识库主要基于不断更新的疾病临床诊疗指南、临床路径、医学教材等权威部门颁布的医学资料，以及三甲医院的历史病历数据，通过机器学习、数据挖掘与人工整理审核相结合的方式，对医学知识库内容进行结构化、元素化梳理。某知识库覆盖常见症状670多个，症状同义词700多个，常用体格检查项目1200多项，常用检验检查项目600多项，能够对750多种常见疾病进行智能推理。医学知识库主要以临床诊疗指南为核心，后续将扩展引入英国的NICE指南。
AI推理引擎
AI推理引擎，通过指南文献、临床病历等原始文本数据进行采集，利用自主研发的NLP技、大数据处理、医学术语标注等技术，把与诊疗相关的如症状、体征等关键特征信息提取出来，形成知识图谱，并通过神经网络的训练，生成多个不同应用的医学逻辑推理模型，用于辅助诊疗、智能导诊/分诊、异常检验指标解读等不用场景的智能推送。应用创新的知识发现和建模方法，使得辅助诊疗和临床决策支持功能完全符合正规的临床思维规范并契合最新的医学发展趋势。
智能辅助诊疗功能
常用智能推送
1. 医生信息推送：根据医生相关科室、以及使用频次等属性为医生推送关键信息。
2. 患者信息推送：将患者信息（健康档案、历史就诊信息等）进行智能过滤，并根据导入信息进行其他关联信息的推送。
3. 模糊搜索：可根据症状不同名称描述进行模糊的关键字搜索。
智能问诊策略
系统会根据选入信息进行分析和推导，将医生可能需要的问诊信息推送给医生，辅助医生在诊疗各个节点中进行规范、标准的问诊，问诊可以根据患者实际情况和医生的操作习惯从各个环节直接进入，具体问诊功能如下：
1. 主诉&现病史：
（1） 症状关联推送：根据已录入症状，系统进行综合分析和判断，推送其他建议询问的伴随症状及症状详细信息（如诱因、程度、性质等）。
2. 既往史：
（1） 既往史关联推送：根据已填选信息（如症状信息、体征信息等）推送建议询问和常规询问的既往史信息。
（2） 既往史自动识别：系统可自动识别分析患者历史病历信息，自动填充患者既往史部分信息，避免用户重复录入，避免诊疗疏漏。
3. 其他史
（1） 其他史关联推送：根据已填选信息（如症状信息、体征信息等）推送建议询问和常规询问的其他史信息。
（2） 其他史自动识别：系统可自动识别分析患者历史病历信息，自动填充患者其他史部分信息，避免用户重复录入，避免诊疗疏漏。
4. 体征
（1）体征项目推送：根据已录入信息推送可能需要进一步检查的患者体征信息。随着病史采集内容的输入，推送的内容也会相应的变化。
辅助检查策略
辅助检验策略
系统根据已有问诊信息推送规范的、合理的检查项目，用于辅助鉴别疾病诊断。
1. 实验室检查项目推送：根据已填选信息进行综合分析和判断，推送医生可能的化验项目。
2. 影像学检查项目推送：根据已填选信息进行综合分析和判断，推送医生可能的检查项目。
辅助检查策略
根据患者已填选信息（如症状情况、体征情况、检查结果情况等一系列信息）进行综合分析和判断，根据判断结果推送疑似诊断、可能诊断、警惕疾病等信息供医生参考，辅助医生进行诊断。同时系统为用户提供疾病的诊断依据、诊断依据匹配情况、疾病百科等静态医学知识供参考，提升医生的专业医疗水平。
1. 疾病诊断推荐：根据患者具体病情分析，推送疑似疾病诊断、可能的诊断、临床诊断信息供医生参考。
2. 危急重病提醒：系统根据患者病情进行分析和判断，对于可能出现的危急重症给予提醒和警示，避免诊疗疏漏而引起的重大医疗事故。
3. 诊断依据查看：将患者已有信息与医学知识库进行匹配，让医生对推送疾病的诊断依据及其符合情况一目了然。
4. 疾病百科知识推送：将国内最新版标准的临床诊疗指南及内科学知识推送给医生供参考和学习。
治疗方案策略
医生对患者疾病做出诊断后，对诊断疾病进行相应的治疗，系统针对每种疾病为医生提供了对应的治疗方案作为医生治疗参考，治疗方案内容包括：推荐药物、治疗处置、健康处方建议。
结构化门诊电子病历生成
医生使用本系统完成诊疗后，系统可以自动生成规范化的、可打印的、符合质控要求的、高质量的结构化门诊电子病历。无需医生诊疗完成后再次手动输入门诊病历内容，提高工作效率。临床辅助诊疗系统的电子病历符合卫生部颁发的《病历书写规范》、《电子病历共享文档规范》、《电子病历基本架构与数据标准》、《电子病历数据组与数据元标准》、《电子病历基础模板数据集标准》等标准规范。
本文分享自微信公众号 - 架构真经（gentoo666）。
如有侵权，请联系 [email protected] 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。