人工智能技术在基于电子病历研究中的应用与展望

人工智能技术在临床医学领域已取得突破性进展,如诊断、影像、疾病分期分级等。电子病历蕴含疾病描述、诊断、检查、治疗等大量临床数据,在医学专家和信息学家的共同参与下,利用人工智能技术挖掘电子病历数据的研究急剧增加。虽然该方法目前存在一些局限性,但与传统人工研究相比其具有更快速、经济、方便等优势,有望更好地服务于人类健康医学事业的发展。本文对利用人工智能技术挖掘电子病历数据的现状,包括相关技术、具体实例、局限性等进行综述。     

医学语言与临床数据标准化概述

医学语言丰富多样,临床数据范围广泛且种类繁多。在信息技术已成为被普遍采用的医疗服务辅助工具的今天,如果缺乏标准化的数据定义,就会导致计算机数据调用、分析过程和结果出现混乱。面对临床过程产生的大量叙述性文本数据,自然语言处理技术的应用面临巨大挑战,因此,需要以统一、标准化的形式表达医学概念,即通过构建和应用临床信息模型、标准医学术语、编码系统,形成计算机可识别和处理的结构化、代码化数据,支持信息技术在临床决策中发挥作用,同时促进临床信息的二次利用。     

临床科研数据抽取研究

以医院信息系统为研究基础,以临床医学文本分类为依据,从数据来源角度分析临床科研数据抽取方法和过程,使用自然语言处理、数据库检索技术对医学文本进行抽取和挖掘,取得良好效果,助力临床科研工作。     

基于语义理解的智能搜索引擎研究

本文提出了一种基于自然语言理解的搜索引擎模型.它的核心技术是基于自然语言理解的相关技术,包括从 关键词、提问方式、提问重点三个层次对用户查询进行语义分析、特征向量提取及基于该思想建立了面向Web网页内容 的特征库,提出返回文档排序的算法,基于Lucene全文索引工具包建立了搜索引擎,对库中已收入的特征词进行了查询 测试,查准率为86.7%.实验表明,该模型基本实现了对查询短语的理解,对提高搜索引擎的查准率有显著的效果.     

基于自然语言处理技术的互联网医疗眼表疾病咨询需求分析

目的 通过对某三级甲等眼耳鼻喉科医院互联网医疗平台眼表疾病咨询的对话文本进行自然语言分析，挖掘咨询眼表疾病的患者的特征、眼表疾病领域需要重点关注的病种及健康需求，为制定结构化的医疗咨询平台及线上健康教育方案提供参考。方法 采用文献回顾、循证方法构建眼表疾病健康教育需求维度，运用基于统一信息抽取（universal information extraction,UIE）的自然语言分析法对该医院2020—2022年互联网医疗平台的18 654条眼表疾病对话文本进行清洗、归类、分析。结果 咨询患者女性多于男性，小于60岁的咨询人群占比高达89.69%。研究构建了眼表疾病非结构化对话文本规范词词库，以及症状管理、就医流程等9个健康咨询需求维度，生成了每个维度词频排名前10位的高频词，所有关键词中排名前5位的高频词分别是“泛红”“玻璃酸钠”“痒”“环孢素”“干眼”。结论须重点关注的眼表疾病有眼干燥症、变应性结膜炎等，用药知识、症状管理、疾病知识、就医流程是患者咨询的热点，医护人员应加快构建这类疾病的线上健康教育方案，推动眼科智慧医疗和护理向纵深发展。     

结构化电子病历概述

电子病历是医院信息化建设的核心,在简化医疗活动、医疗流程管理方面起到很大作用;其提供的＂主动＂服务,如病历检索、智能知识库、医疗质量统计、疗效评价、经济统计分析等,为医生工作带来极大便利.本研究将对电子病历结构化特点、结构化实现方式等问题做简单概述.     

结构化描述语言电子病历模型反其关键技术实现

目的：开发新一代电子病历模型,实现临床医生结构化描述语言信息快速采集,方便临床信息集成与数据复用.方法：建立电子病历结构化描述语言模型,将临床规范化数据与描述性文本信息融为一体,实现重要医疗事件表达和标识,达到临床信息有效利用和医生快速数据录入.讨论：实现了电子病历的模板表达和医生自由文本数据录入,通过自然语言实时处理技术,保障了电子病历的质量控制.结论：结构化描述语言电子病历模型允许医生自由文本数据录入,支持临床信息复用以及结构化数据处理,能实现临床数据快速采集,具有临床文档质量控制功能,是新一代电子病历发展的重要方向.     

病人可视化索引系统的设计与实现

为了全面完整地了解一位病人的医疗状况,医生需要从不同的医学信息系统（如PACS,RIS,HIS,USIS）中搜寻病人医疗报告,作为对病人进行诊断和治疗的决策参考,但是这部分工作非常耗时与冗长乏味。为此开发了一套病人可视化索引系统,利用可视化技术在3D人体模型上显示病人全面的健康状况,为保存在各个系统中的病人检查信息提供检索功能。     

循证医学研究中的证据自动更新方法研究

合格研究证据的获取是循证医学研究的重要步骤.目前的研究证据更新主要由人工完成,效率低下且人力花费巨大,无法满足循证医学的快速发展.机器学习和深度学习技术的发展为循证医学研究证据的自动更新提供了技术支撑,研究者通过尝试将机器学习和深度学习方法应用于循证医学研究中的各个环节,提高研究证据的更新效率.本研究对循证医学研究中证...     

基于人工智能的药物研发：目前的进展和未来的挑战

近年来,人工智能在药物研发领域得到了广泛的应用。特别是自然语言处理技术在预训练模型的出现后有了非常显著的提高,在此基础上,图神经网络的引入也使得药物研发变得更加准确和高效。为了使药物研发者更加系统全面地了解人工智能在药物研发中的应用,本文介绍了人工智能中的前沿算法,同时阐述了人工智能在药物小分子设计、虚拟筛选、药物再利用以及药物性质预测等多方面的应用场景,最后探讨它在未来药物研发中的机遇与挑战。