家人們，撰寫和修改病歷這事兒，那個(gè)讓無數(shù)醫(yī)生耗時(shí)耗力的環(huán)節(jié)——

病歷內(nèi)涵質(zhì)控，現(xiàn)在有了大模型來當(dāng)?shù)昧褪帧?/p>

所謂病歷內(nèi)涵質(zhì)控，簡單來說指的就是對病歷內(nèi)容的質(zhì)量控制。

那它為什么會(huì)讓醫(yī)生們?nèi)绱撕臅r(shí)耗力呢?

首先，病歷本身就會(huì)完整、真實(shí)地反映出診療的全過程，不論對于患者或者醫(yī)生，還是對醫(yī)院的管理而言，重要程度都不言而喻。

畢竟從前期的出診，到后期的治療方案、查房、手術(shù)等眾多環(huán)節(jié)，病歷都會(huì)貫穿其中，收納、承載和呈現(xiàn)所有相關(guān)信息。每一份病歷涉及到的信息量都是非常大，也是非常關(guān)鍵的。

而病歷內(nèi)涵質(zhì)控，強(qiáng)調(diào)的是一種邏輯質(zhì)控，難點(diǎn)就是邏輯非常抽象，定義和規(guī)則也不通俗;要把控它的質(zhì)量就需要深厚且全面的臨床經(jīng)驗(yàn)和知識(shí)。

也正因如此，一般人還真做不了這事，醫(yī)院傳統(tǒng)的“解法”就是——

組建專家團(tuán)隊(duì)，定時(shí)對歸檔病歷(尤其是重點(diǎn)病患)進(jìn)行人工質(zhì)控。

這種解法自然費(fèi)時(shí)費(fèi)力，著實(shí)是費(fèi)時(shí)費(fèi)力，而且它還很難對所有病歷進(jìn)行遍歷，更多時(shí)候只能針對少部分病歷進(jìn)行抽查。

圖：由DALL·E 3生成

正如我們剛才提到的，現(xiàn)在這件難事兒，已經(jīng)靠大模型的輔助，找到了一種能兼顧效率和質(zhì)量的解法。

而且縱觀整個(gè)“AI+醫(yī)療”賽道，很多醫(yī)療信息化廠商都將大模型應(yīng)用落地的箭頭指向類似病歷內(nèi)涵質(zhì)控這樣的應(yīng)用“靶點(diǎn)”。

之所以如此，是因?yàn)樘幚聿v這項(xiàng)工作，正與大模型的“氣質(zhì)”極其相符——專治繁瑣、量大的信息處理工作。

由此便可以讓醫(yī)生從中解放出更多的時(shí)間，投入到更匹配其專業(yè)方向的工作中。

那么具體效果如何?是否能達(dá)到醫(yī)院的標(biāo)準(zhǔn)呢?

醫(yī)療大模型，已經(jīng)可以做到“快準(zhǔn)狠”了

在專攻用大模型搞病歷內(nèi)涵質(zhì)控這件事上，惠每科技可以說是擁有相當(dāng)豐富的經(jīng)驗(yàn)，是已經(jīng)在多家醫(yī)院(包括三甲醫(yī)院)“上崗”并收獲大量好評的那種。

醫(yī)療大模型效果如何，我們不妨來看下惠每科技交出的“作業(yè)”。

圖：基于不同質(zhì)控規(guī)則的大模型缺陷定位實(shí)例

在惠每科技醫(yī)療大模型的加持之下，現(xiàn)在從醫(yī)生書寫病歷開始，它就會(huì)伴隨在旁，像個(gè)隱形的“專家級(jí)”助手，同步就會(huì)開始糾錯(cuò)、提醒的工作了。

例如在上圖的三個(gè)場景中，分別對應(yīng)的情況是：

●初步診斷中提及“前列腺術(shù)后”，但在現(xiàn)病史、既往史、手術(shù)外傷史中均缺少相關(guān)描述

●主訴“發(fā)現(xiàn)皮疹45分鐘”，但現(xiàn)病史中的癥狀描述與主訴大相徑庭

●病歷記錄患者“否認(rèn)手術(shù)外傷史”，但體格檢查中明確記載有大腿可見局部手術(shù)瘢痕

這些細(xì)節(jié)內(nèi)容要是放在之前，都是需要醫(yī)生們仔細(xì)比對校驗(yàn)，并根據(jù)經(jīng)驗(yàn)知識(shí)來甄別、挑錯(cuò)的，可實(shí)際上，不同醫(yī)生在經(jīng)驗(yàn)、資歷甚至是專業(yè)方向上的差別，都會(huì)讓這些細(xì)節(jié)的發(fā)現(xiàn)、校驗(yàn)和應(yīng)對變得異常復(fù)雜。

但現(xiàn)在，有了醫(yī)療大模型的輔助，這個(gè)助手總會(huì)默默地在合適的時(shí)機(jī)出現(xiàn)，把可能存在問題的內(nèi)容給pick出來，供醫(yī)生們快速做判斷。

具體到病歷內(nèi)涵質(zhì)控的運(yùn)行機(jī)制，惠每科技則是以數(shù)據(jù)中臺(tái)為核心，向下對接醫(yī)院的醫(yī)院信息系統(tǒng)(HIS)、影像歸檔和信息系統(tǒng)(PACS)，以及電子病歷歸檔系統(tǒng)(EMR)等。

在自動(dòng)抓取內(nèi)容信息之后，會(huì)通過自然語言處理、術(shù)語標(biāo)準(zhǔn)化后構(gòu)建患者畫像，再經(jīng)由惠每醫(yī)療大模型推理計(jì)算做出提醒或預(yù)警，同時(shí)大模型還可以基于用戶的反饋持續(xù)進(jìn)行優(yōu)化。

圖：惠每科技病歷內(nèi)涵質(zhì)控方案架構(gòu)

最終，在界面的呈現(xiàn)上，惠每科技這個(gè)系統(tǒng)會(huì)有醫(yī)生端和管理端兩種：

醫(yī)生在醫(yī)生端快速做錯(cuò)誤檢測和處理，專家在管理端做更進(jìn)一步的專業(yè)性查缺補(bǔ)漏。

由此，原先那種費(fèi)時(shí)費(fèi)力、費(fèi)人費(fèi)腦的病歷內(nèi)涵質(zhì)控，不但實(shí)現(xiàn)了自動(dòng)化，而且效率也一下子就有了翻天覆地的變化，更重要的是，質(zhì)控之后的病歷質(zhì)量也隨之同步提升?？芍^一箭雙雕，甚至是一箭三雕!

眼見為實(shí)!咱們瞧瞧來自一線用戶的真實(shí)反饋：以某三甲醫(yī)院為例，上線了惠每科技的這套方案之后，病歷內(nèi)涵質(zhì)控效果的“打開方式”就變成了這樣：

全院的甲級(jí)病歷(下圖中的綠色曲線)從原先的75%直接暴漲到了95%!

病歷質(zhì)量的大幅提高就像“作用力與反作用力”，此舉反過來也讓醫(yī)生診療工作的規(guī)范性和病案管理質(zhì)量得到了提高。

由此雙管齊下，有問題的病歷數(shù)量就變得越來越少，以某醫(yī)院為例——

僅10個(gè)月時(shí)間，病歷平均問題數(shù)從最開始的7.42個(gè)，下降到了3.28個(gè)，下降比率高達(dá)55.79%!

像這樣的實(shí)際應(yīng)用效果還可以從某省級(jí)病案管理質(zhì)量控制中心的病歷質(zhì)控監(jiān)測指標(biāo)看出。

方案在該省某醫(yī)院落地后，病案首頁質(zhì)量相關(guān)的主要診斷編碼正確率從78%提升至97%、病歷文書相關(guān)的手術(shù)相關(guān)記錄完整率從92%提升至99%、CT/MRI檢查記錄完整率從81%提升至90%、抗菌藥物使用記錄符合率從82%提升至91%，不合格復(fù)制病歷發(fā)生率則從12%下降至8%，很好地滿足了該中心的質(zhì)控監(jiān)測要求。

圖：某醫(yī)院多項(xiàng)病歷質(zhì)控監(jiān)測指標(biāo)的變化趨勢

那么接下來的一個(gè)問題是，畢竟醫(yī)療場景涉及患者隱私，就這么交由大模型來訓(xùn)練和推理，夠安全嗎?

對此，惠每科技也有自己深入的理解和切實(shí)可靠的實(shí)踐路徑：

>私有化部署，數(shù)據(jù)不出醫(yī)院。

圖：惠每醫(yī)療大模型技術(shù)架構(gòu)

具體而言，惠每科技是以ChatGLM等流行的基座大模型為基礎(chǔ)，鋪于醫(yī)學(xué)知識(shí)庫和醫(yī)學(xué)知識(shí)圖譜等，還結(jié)合了RAG(檢索增強(qiáng)生成)技術(shù)，在垂直領(lǐng)域做模型的訓(xùn)練和微調(diào)等工作。

與此同步，專家的反饋也會(huì)通過RLHF(人類反饋強(qiáng)化學(xué)習(xí))技術(shù)加入到上述過程，并最終形成面向不同醫(yī)療場景的醫(yī)療大模型。

而這整個(gè)過程中都采用的是私有化部署的方式，微調(diào)也是基于SFT(監(jiān)督微調(diào))來展開，因此便更好地保障了安全性。

由此總結(jié)來看，醫(yī)療大模型“上崗”醫(yī)院后，在病歷內(nèi)涵質(zhì)控這件事上起碼做到了三點(diǎn)：

更專業(yè)、更安全、更效率。

但有一說一，在如此醫(yī)療大模型和系統(tǒng)的背后，還有一個(gè)關(guān)鍵因素在默默發(fā)力。

不僅能力到位，更要輕松落地

醫(yī)療大模型方案要想真正落地并發(fā)揮價(jià)值，除了算法模型本身要夠強(qiáng)大之外，還必須克服私有化部署所面臨的種種挑戰(zhàn)。

不論是出于數(shù)據(jù)與隱私安全、業(yè)務(wù)便捷還是成本考量，部署在本地、把控在自己手上，始終是越來越多行業(yè)用戶的期盼。

特別是對醫(yī)療行業(yè)來說，私有化的部署和落地的更是一種“剛需”。

畢竟不同醫(yī)院的病歷格式本身差異就較大，加之涉及患者隱私，惠每科技的私有化部署策略，幾乎成了醫(yī)療大模型落地的最基本前提。

這樣一來，在基礎(chǔ)設(shè)施的選擇上，又面臨一系列問題。

成本角度上，現(xiàn)代化醫(yī)院本來就是各行業(yè)信息化領(lǐng)域的主力軍，此前多年在通用計(jì)算類IT基礎(chǔ)設(shè)施上曾有大量投入，在此基礎(chǔ)上再導(dǎo)入專用AI加速器需要額外投入，而且這些加速器中如今獲取難度還在不斷加大(你懂的)。

從性能角度看，也要求硬件平臺(tái)能滿足AI模型推理所需的性能，特別是要滿足實(shí)時(shí)性或近實(shí)時(shí)性標(biāo)準(zhǔn)。

那么有沒有一種方案，既可以讓醫(yī)療大模型更順滑地落地，還能充分利用現(xiàn)有軟硬件設(shè)施，并同時(shí)兼顧性能、總擁有成本和獲取難度呢?

面對這一系列難題，惠每科技可謂是“有備而來”。

它選擇了與英特爾合作，基于英特爾® 至強(qiáng)® CPU Max系列處理器、OpenVINO™工具套件及開源大模型加速庫IPEX-LLM，打造了一套"高性價(jià)比醫(yī)療大模型私有化落地方案"。

作為業(yè)界首款內(nèi)置高帶寬內(nèi)存 (HBM) 的x86架構(gòu)CPU，至強(qiáng)® CPU Max系列集成了高達(dá)64GB容量的HBM2e內(nèi)存，其理論帶寬可達(dá)主流DDR5內(nèi)存的4倍，足以應(yīng)對大模型推理時(shí)對內(nèi)存性能的嚴(yán)苛要求。

此外，該處理器還內(nèi)置有英特爾® AMX(英特爾® 高級(jí)矩陣擴(kuò)展)加速技術(shù)，經(jīng)特定優(yōu)化后，其每時(shí)鐘周期可完成多達(dá)2048個(gè)INT8運(yùn)算，較上一代同類指令實(shí)現(xiàn)了8倍性能飛躍。

圖注：英特爾® 至強(qiáng)® CPU Max 系列處理器

除硬件優(yōu)勢之外，在軟件方面，英特爾也為惠每科技提供了成熟的優(yōu)化工具與技術(shù)支持。

例如借助IPEX-LLM 大模型庫實(shí)現(xiàn)推理加速的低精度量化方案，以及基于 OpenVINO™ 工具套件開展的非量化優(yōu)化方案，雙管齊下，能讓醫(yī)療大模型在至強(qiáng)® 平臺(tái)上的推理效率得到顯著提升。

據(jù)惠每科技實(shí)測，經(jīng)非量化方案優(yōu)化后，當(dāng)輸入文本為2K時(shí)，模型首詞時(shí)延由優(yōu)化前的 4.03秒驟降至2.1秒，性能提升達(dá)1.92倍。平均時(shí)延則由182.86毫秒每Token縮短至47.96毫秒每 Token，提升幅度高達(dá)3.81倍。而這，已經(jīng)十分接近專用AI加速芯片的性能水平了。

圖注：英特爾優(yōu)化方案帶來的性能提升

而且，除了讓醫(yī)療大模型私有化落地從“不可能”變?yōu)?ldquo;可能”，基于英特爾® 至強(qiáng)® 平臺(tái)還有一個(gè)容易被忽視但至關(guān)重要的優(yōu)勢，那就是上線效率。

得益于英特爾® 架構(gòu)平臺(tái)成熟的生態(tài)以及雙方的深度協(xié)同，更重要的是醫(yī)療行業(yè)對于該平臺(tái)廣泛的部署和較高的應(yīng)用水準(zhǔn)，醫(yī)院開展惠每醫(yī)療大模型方案私有化部署時(shí)，從準(zhǔn)備到最終產(chǎn)出收益，僅需3.5 個(gè)月左右。

這就讓 AI 智能化帶來的變革成果顯得更加"立竿見影"。

跨平臺(tái)技術(shù)助力行業(yè)加速應(yīng)用

通過惠每科技病歷質(zhì)量控制這一用例，不難看出：英特爾® CPU平臺(tái)+AI加速工具，不失為大模型從實(shí)驗(yàn)室走向行業(yè)、加速落地與實(shí)踐的一劑"良方"。

其實(shí)在智慧醫(yī)療的背景下，病歷質(zhì)控只是一個(gè)縮影。

從智能導(dǎo)診到輔助診斷，從藥物研發(fā)到疾病預(yù)測，AI正以多種方式為醫(yī)療行業(yè)帶來更多變革。

智慧醫(yī)療又何嘗不是“人工智能+”時(shí)代的一塊重要拼圖呢?

更廣泛的視角下，類似醫(yī)療這樣涉及隱私、對AI私有化部署有強(qiáng)要求的行業(yè)，還有金融、法律、教育、出行……可以說，越是距離每個(gè)人生活更近的行業(yè)，就越需要考慮這個(gè)問題。

如果再考慮到在數(shù)字化轉(zhuǎn)型中已有一定投入，希望充分利用原有IT基礎(chǔ)設(shè)施，以總擁有成本更低的方式開展AI實(shí)踐的行業(yè)，那就更多了。

所以說在這一輪推進(jìn)智能化轉(zhuǎn)型的浪潮中，像英特爾與惠每科技合作打造的這種"一石多鳥"且“更接地氣”的方案，無疑是一個(gè)值得參考的選擇。

英特爾未來能不能繼續(xù)以更高性價(jià)比、更易于獲取和應(yīng)用的軟硬件平臺(tái)為基礎(chǔ)，全力加速AI在各個(gè)行業(yè)的創(chuàng)新應(yīng)用，讓科技為人類社會(huì)持續(xù)賦能，就很值得期待了。

（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）