自從ChatGPT橫空出世以來，大語言模型成為整個(gè)人工智能行業(yè)的高頻詞。從大語言模型的特征分析，其先進(jìn)的算法、規(guī)模龐大的參數(shù)、精準(zhǔn)強(qiáng)大的語言理解能力、生產(chǎn)能力和邏輯推理能力，已經(jīng)有足夠的潛力給醫(yī)療領(lǐng)域帶去深遠(yuǎn)影響。無論是與自然語言相關(guān)的病歷信息記錄與檢索系統(tǒng)，還是臨床診療決策輔助支持，都將因大語言模型的產(chǎn)生為提高患者就醫(yī)體驗(yàn)，提升醫(yī)生診斷效率，提效臨床數(shù)據(jù)治理提供全新的可能性。有數(shù)據(jù)顯示，盡管不同背景創(chuàng)業(yè)者和投資人看到的醫(yī)療未來并不相同，但對(duì)大語言模型能夠給醫(yī)療行業(yè)帶來的變化，“顛覆性”、“賦能”、“變革”成為常見的關(guān)鍵詞。
聯(lián)仁健康醫(yī)療大數(shù)據(jù)科技股份有限公司（以下簡(jiǎn)稱“聯(lián)仁健康”）作為由國(guó)家衛(wèi)健委統(tǒng)一部署的專業(yè)的健康醫(yī)療大數(shù)據(jù)企業(yè)，基于多年數(shù)據(jù)科技能力沉淀，進(jìn)行深度的數(shù)據(jù)挖掘、清洗和分析，持續(xù)探索醫(yī)療大數(shù)據(jù)質(zhì)量提升、醫(yī)院數(shù)據(jù)資產(chǎn)化實(shí)踐等領(lǐng)域，實(shí)現(xiàn)數(shù)據(jù)醫(yī)學(xué)價(jià)值挖掘放大以及商業(yè)價(jià)值延伸。聯(lián)仁健康創(chuàng)新數(shù)據(jù)治理模式，充分運(yùn)用大數(shù)據(jù)、云計(jì)算、人工智能等先進(jìn)技術(shù)，形成高度自動(dòng)化數(shù)據(jù)處理能力，構(gòu)建“仁云、仁數(shù)、仁醫(yī)、仁芯、仁康”五大科技平臺(tái)，從醫(yī)療數(shù)據(jù)專屬云、大數(shù)據(jù)平臺(tái)、醫(yī)學(xué)知識(shí)體系、人工智能能力等多方面支撐醫(yī)療大數(shù)據(jù)的應(yīng)用，實(shí)現(xiàn)技術(shù)與行業(yè)的深度融合。
|醫(yī)學(xué)臨床數(shù)據(jù)治理，難在哪？
電子病歷在現(xiàn)代醫(yī)療系統(tǒng)中扮演著至關(guān)重要的角色，為醫(yī)療機(jī)構(gòu)提供了大量的患者信息和醫(yī)療記錄。病歷信息結(jié)構(gòu)化處理是醫(yī)院信息化和醫(yī)療智能化發(fā)展的重要環(huán)節(jié)，是使計(jì)算機(jī)能像醫(yī)生一樣進(jìn)行診斷和判斷的基礎(chǔ)。然而，電子病歷中對(duì)以自然語言文本描述的非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行的關(guān)鍵信息提取并非易事，例如不同醫(yī)院、科室甚至醫(yī)生的記錄風(fēng)格和用詞可能不同，文本信息之間可能存在復(fù)雜的關(guān)聯(lián)性和依賴性，同一個(gè)描述可能在不同上下文中有不同的含義等等。隨著醫(yī)療數(shù)據(jù)的快速積累和多樣性，傳統(tǒng)的數(shù)據(jù)治理方法面臨著挑戰(zhàn)。數(shù)據(jù)的復(fù)雜性和巨大量使得數(shù)據(jù)的結(jié)構(gòu)化變得非常困難。
一方面，病歷信息的語義環(huán)境復(fù)雜且結(jié)構(gòu)細(xì)碎，呈現(xiàn)異構(gòu)性和難互通特征，使得數(shù)據(jù)的完整性、一致性和準(zhǔn)確性都難以保證；另一方面，由于標(biāo)準(zhǔn)化認(rèn)知和遵循不足，醫(yī)學(xué)術(shù)語標(biāo)準(zhǔn)化程度不高，導(dǎo)致大量信息資料無法檢索，統(tǒng)計(jì)結(jié)果將缺乏普遍性和客觀性。同時(shí)，數(shù)據(jù)質(zhì)量管理體系建設(shè)較為滯后，缺乏專業(yè)化的數(shù)據(jù)治理組織機(jī)構(gòu)以及明確的責(zé)任人體系,尚未形成良好的決策機(jī)制和管理機(jī)制，使得數(shù)據(jù)質(zhì)量和共享水平亟待提升。可以說，電子病歷數(shù)據(jù)的規(guī)模化、復(fù)雜性、多樣性、動(dòng)態(tài)性、非標(biāo)化都是醫(yī)學(xué)臨床數(shù)據(jù)治理的絆腳石。總而言之，在醫(yī)療這一特殊領(lǐng)域，必須突破數(shù)據(jù)治理技術(shù)的“卡點(diǎn)”，才能充分發(fā)揮數(shù)據(jù)的價(jià)值，實(shí)現(xiàn)數(shù)據(jù)價(jià)值的最大化利用以及信息化技術(shù)和臨床知識(shí)的有機(jī)融合。
| 聯(lián)仁健康的臨床數(shù)據(jù)治理技術(shù)，強(qiáng)在哪？
針對(duì)電子病歷進(jìn)行數(shù)據(jù)的治理，聯(lián)仁健康引入大模型技術(shù)，從自然語言結(jié)構(gòu)化，醫(yī)學(xué)術(shù)語標(biāo)準(zhǔn)化，數(shù)據(jù)質(zhì)量規(guī)范化三個(gè)方面，著力降低數(shù)據(jù)治理成本，落實(shí)數(shù)據(jù)治理規(guī)范，穩(wěn)定數(shù)據(jù)治理質(zhì)量。從而形成全新的數(shù)據(jù)后治理模式。
· 大模型讓電子病歷文本結(jié)構(gòu)化更高效
電子病歷數(shù)據(jù)后治理的第一步便是對(duì)大段文本進(jìn)行信息提取，包括從入院記錄、出院小結(jié)、手術(shù)記錄、病程記錄等提取醫(yī)生需要的臨床指標(biāo)數(shù)據(jù)。與直接提取詞語的實(shí)體識(shí)別技術(shù)不同，醫(yī)學(xué)文本結(jié)構(gòu)化需要大模型理解這段文本，然后輸出這段文本中的對(duì)應(yīng)信息，進(jìn)而將非結(jié)構(gòu)化的輸入最終轉(zhuǎn)化為結(jié)構(gòu)化輸出。
大語言模型本質(zhì)上是一種生成式模型，在生成文本時(shí)，即便是目前最優(yōu)秀的GPT-4也會(huì)生成非預(yù)期的輸出（幻覺現(xiàn)象），這為實(shí)際應(yīng)用帶來了潛在風(fēng)險(xiǎn)。為了緩解這個(gè)問題，聯(lián)仁健康采用多種干預(yù)策略，除了在模型側(cè)使用對(duì)齊調(diào)整策略，并使用多種提示詞優(yōu)化入?yún)ⅲ瑫r(shí)還會(huì)基于業(yè)務(wù)邏輯對(duì)輸出結(jié)果進(jìn)行校驗(yàn)。聯(lián)仁健康自研的這款文本結(jié)構(gòu)化大模型，無需對(duì)數(shù)據(jù)指標(biāo)進(jìn)行預(yù)設(shè)或額外標(biāo)注，即可低成本、智能化輸出結(jié)構(gòu)化信息簡(jiǎn)化傳統(tǒng)數(shù)據(jù)治理流程。
· 大模型讓醫(yī)學(xué)術(shù)語標(biāo)準(zhǔn)化更精準(zhǔn)
其次，為了滿足醫(yī)學(xué)術(shù)語標(biāo)準(zhǔn)化，即使用醫(yī)學(xué)詞匯表和標(biāo)準(zhǔn)化組織的術(shù)語和定義，如醫(yī)學(xué)主題詞匯（MeSH）、國(guó)際疾病分類（ICD）、國(guó)家醫(yī)保和國(guó)家藥監(jiān)發(fā)布的藥品、診療項(xiàng)目、耗材目錄等，更進(jìn)一步保證醫(yī)學(xué)數(shù)據(jù)可以更好地被用于統(tǒng)計(jì)分析。
大語言模型在計(jì)算資源有限的情況下并不適合直接用于術(shù)語標(biāo)準(zhǔn)化，但是利用大語言模型對(duì)文本信息的總結(jié)和摘取能力，可以讓其在診斷相關(guān)的輸出與醫(yī)生的表達(dá)方式基本一致，再將其輸出輸入給聯(lián)仁自研醫(yī)學(xué)術(shù)語標(biāo)準(zhǔn)化算法，可以得到更精準(zhǔn)的醫(yī)學(xué)術(shù)語歸一化結(jié)果。
通常，應(yīng)對(duì)術(shù)語標(biāo)準(zhǔn)化所采取的技術(shù)方案框架是“多路召回+精排”。然而在實(shí)際業(yè)務(wù)落地場(chǎng)景中，不但存在“一對(duì)多”的情況，而且各院方在部署資源和反饋時(shí)效上也有限制要求。因此聯(lián)仁健康將技術(shù)方案框架優(yōu)化為“實(shí)體識(shí)別+向量編碼+快速檢索”。同時(shí)還要引入模型量化加速技術(shù)，以適配不同的業(yè)務(wù)場(chǎng)景需要。該方案可支持包括實(shí)時(shí)處理單條數(shù)據(jù)、實(shí)時(shí)處理小批量數(shù)據(jù)、離線批量處理數(shù)十億級(jí)數(shù)據(jù)等常見場(chǎng)景，平均單條數(shù)據(jù)處理毫秒級(jí)響應(yīng)，支撐院內(nèi)應(yīng)用的可及性。通過引入大模型，可以基于原始數(shù)據(jù)生成歸一化數(shù)據(jù)，踐行醫(yī)學(xué)數(shù)據(jù)標(biāo)準(zhǔn)的落地，從而使數(shù)據(jù)治理輸出的臨床指標(biāo)更規(guī)范。
· 大模型讓數(shù)據(jù)質(zhì)控更穩(wěn)定
高質(zhì)量的真實(shí)世界數(shù)據(jù)（RWD）有助于得到可靠、可信的分析結(jié)論。數(shù)據(jù)質(zhì)量評(píng)估的目的是基于數(shù)據(jù)的不同臨床應(yīng)用任務(wù)需求，對(duì)數(shù)據(jù)收集過程中每個(gè)步驟可能產(chǎn)生的錯(cuò)誤進(jìn)行發(fā)現(xiàn)和溯源，其本質(zhì)是對(duì)電子病歷文本所包含醫(yī)學(xué)知識(shí)的理解和評(píng)審。
聯(lián)仁健康的規(guī)則引擎融合行業(yè)規(guī)范基礎(chǔ)規(guī)則、專家學(xué)術(shù)經(jīng)驗(yàn)規(guī)則和臨床推理內(nèi)涵規(guī)則三層標(biāo)準(zhǔn)，可對(duì)質(zhì)控深度、規(guī)則廣度、編碼版本、扣分標(biāo)準(zhǔn)和數(shù)據(jù)讀取方式等多維度進(jìn)行有效配置。聯(lián)仁健康利用大語言模型從兩個(gè)方面提升數(shù)據(jù)質(zhì)控質(zhì)量。在構(gòu)建質(zhì)控規(guī)則引擎方面，利用大語言模型解析藥品說明書、臨床路徑、政策規(guī)范等，快速構(gòu)建先驗(yàn)專家質(zhì)控知識(shí)庫，同時(shí)在真實(shí)臨床文本數(shù)據(jù)中挖掘診斷、手術(shù)、藥品、耗材、治療項(xiàng)目之間的關(guān)聯(lián)度，構(gòu)建后驗(yàn)真實(shí)世界質(zhì)控規(guī)則。在質(zhì)控應(yīng)用方面，與數(shù)據(jù)歸一化類似，借助大語言模型語言理解能力提取的關(guān)鍵審核信息可以直接與質(zhì)控規(guī)則引擎對(duì)接，根據(jù)后臺(tái)配置的分?jǐn)?shù)規(guī)則給出量化評(píng)分，列出扣分原因，同時(shí)顯示審核結(jié)果問題點(diǎn)和參考依據(jù)，進(jìn)一步穩(wěn)定數(shù)據(jù)治理的工程質(zhì)量。
|醫(yī)學(xué)臨床數(shù)據(jù)治理大語言模型，未來發(fā)展方向
聯(lián)仁健康帶來的全新數(shù)據(jù)治理模式通過對(duì)大語言模型的語言理解能力挖掘、個(gè)性化應(yīng)用和技術(shù)加持，能夠使其更好地適應(yīng)醫(yī)療行業(yè)的特點(diǎn)，進(jìn)而可以實(shí)現(xiàn)醫(yī)療各垂直領(lǐng)域的數(shù)據(jù)治理目標(biāo)，不僅極大提高數(shù)據(jù)治理效率，還提升了治理過程的靈活性，讓終端用戶按需治理，高效開展數(shù)據(jù)搜索、數(shù)據(jù)分析和數(shù)據(jù)應(yīng)用。毋庸置疑，大模型數(shù)據(jù)后治理模式有著實(shí)施部署更快，運(yùn)營(yíng)成本更低，技術(shù)升級(jí)更靈活的優(yōu)勢(shì)。
近年來，隨著醫(yī)療數(shù)據(jù)集的快速擴(kuò)張、硬件設(shè)備的迭代升級(jí)、算法模型的優(yōu)化改進(jìn)，AI在醫(yī)療場(chǎng)景中技術(shù)積累越發(fā)成熟，應(yīng)用場(chǎng)景日益豐富。聯(lián)仁健康基于深度學(xué)習(xí)算法和核心技術(shù)壁壘，同時(shí)結(jié)合由海量臨床研究數(shù)據(jù)等積累的醫(yī)學(xué)知識(shí)體系和科技工具進(jìn)行定制開發(fā)，在電子病歷結(jié)構(gòu)化治理、臨床決策支持等方面成功地實(shí)現(xiàn)了大語言模型在醫(yī)療業(yè)務(wù)場(chǎng)景新的技術(shù)落地和應(yīng)用。
未來，隨著大語言模型的不斷發(fā)展，其能力將逐步覆蓋聯(lián)仁健康更多的產(chǎn)品和服務(wù)之中。聯(lián)仁健康也將不斷探索其在提升醫(yī)療服務(wù)水平和提升患者獲益方面的潛力，助力健康中國(guó)建設(shè)。
