近日，為全面實施健康中國戰(zhàn)略，落實《國務(wù)院辦公廳關(guān)于促進“互聯(lián)網(wǎng)＋醫(yī)療健康”發(fā)展的意見》，國家醫(yī)政醫(yī)管局發(fā)布了《關(guān)于進一步推進以電子病歷為核心的醫(yī)療機構(gòu)信息化建設(shè)工作的通知》。

《通知》中提到，要發(fā)揮臨床診療決策支持功能。鼓勵醫(yī)療機構(gòu)在電子病歷信息化建設(shè)工作中，將臨床路徑、臨床診療指南、技術(shù)規(guī)范和用藥指南等嵌入信息系統(tǒng)，提高臨床診療規(guī)范化水平。并且指出目標(biāo)，到2020年，要達到分級評價4級以上，即醫(yī)院內(nèi)實現(xiàn)全院信息共享，并具備醫(yī)療決策支持功能。

要發(fā)展臨床決策，電子病歷的數(shù)字化、智能化成為了必然。其中，為實現(xiàn)數(shù)據(jù)的結(jié)構(gòu)化可計算，可推理，命名實體識別（Named Entity Recognition， NER）等自然語言處理任務(wù)的重要性凸顯。

據(jù)悉，電子病歷的NER，是通過對既定電子病歷純文本文檔，識別和抽取出與醫(yī)學(xué)臨床相關(guān)的實體提及，結(jié)合數(shù)據(jù)源“現(xiàn)病史記錄”的內(nèi)容及特點，將它們歸類到預(yù)定義類別。

它不僅是文本挖掘的第一步，還是生物醫(yī)學(xué)領(lǐng)域的重要工具，可被應(yīng)用于諸多方面，如醫(yī)學(xué)文獻、在線醫(yī)療社區(qū)和電子醫(yī)療記錄上。所以構(gòu)建電子病歷NER的公開數(shù)據(jù)集，能達到的效果可謂是“一箭多雕”——有助于使醫(yī)療實體結(jié)構(gòu)化和標(biāo)準(zhǔn)化，并完成醫(yī)療實體關(guān)系抽取和醫(yī)療知識圖譜構(gòu)建等任務(wù)。

國際上，已有一批面向英文電子病歷的的NER公開評測及標(biāo)注數(shù)據(jù)集，包括I2b2、ShARe／ CLEF eHealth和SemEval等，但在國內(nèi)，此測評尚處空白。

為了促進中文電子病歷相關(guān)研究的發(fā)展，填補國內(nèi)面向電子病歷NER評測競賽及標(biāo)注數(shù)據(jù)集的空白，醫(yī)渡云聯(lián)合清華大學(xué)知識工程實驗室和哈爾濱工業(yè)大學(xué)，共同組織了“面向中文電子病歷的命名實體識別”項目的測評。

據(jù)醫(yī)渡云首席人工智能科學(xué)家閆峻介紹，通常情況下，醫(yī)療數(shù)據(jù)不是醫(yī)院里有了就可以直接用于臨床應(yīng)用。臨床病歷設(shè)計的初衷是面向記錄，而不是面向研究。換句話講，醫(yī)生會把臨床的所有的情況原原本本地記錄下來，但卻并沒有針對信息做面向研究和應(yīng)用的加工處理。

這樣一來，臨床電子病歷大部分都是自然語言。而這種文本信息放到計算機里無法進行任何形式的計算，所以首先要做的是數(shù)據(jù)結(jié)構(gòu)化。

國內(nèi)信息化系統(tǒng)廠商繁多，不僅采用的標(biāo)準(zhǔn)，且每個醫(yī)院醫(yī)生的書寫習(xí)慣和表達習(xí)慣也不同。一些疾病的名稱，醫(yī)院里甚至有上百種表達方式。所以，要從整段的自然語言文本里提出數(shù)據(jù)，如果沒有技術(shù)支撐，需要巨大的人力投入。

“醫(yī)渡云舉辦‘面向中文電子病歷的命名實體識別’項目的測評，初衷也在于此�！遍Z峻說。

為了攻克難點，醫(yī)渡云首先對數(shù)據(jù)進行了“去粗取精”：一方面，在預(yù)定義類別中直接將本次測評的關(guān)鍵點——醫(yī)療實體提及、起止位置識別和預(yù)定義類別等三項進行梳理，使海量數(shù)據(jù)的“站隊”有條不紊；另一方面，在細(xì)節(jié)之處“精益求精”，單在預(yù)定義類別中就設(shè)置了五個方面：獨立癥狀、癥狀描述、解剖部位、藥物和手術(shù)。具體數(shù)據(jù)信息如下：

為了保障測評專業(yè)性和權(quán)威性，醫(yī)渡云在項目的測評的數(shù)據(jù)整理和標(biāo)注環(huán)節(jié)，還組織專業(yè)的醫(yī)生團隊做后盾。且為了確保數(shù)據(jù)安全，向報名參賽的118個隊伍明確指出，數(shù)據(jù)僅限CCKS 2018 競賽評測。

為何這樣一項評測在我國要到今天才能展開？對于這一問題，醫(yī)渡云人工智能實驗室自然語言處理專家焦增濤也給出了解釋：“這與其中的技術(shù)難點不無關(guān)系。其難點一般有兩處：一是由于癥狀類型實體大多表現(xiàn)為結(jié)構(gòu)化形式；二是一些醫(yī)學(xué)術(shù)語特有的表達方式，使電腦在識別并讀取中經(jīng)�！翱�殼”，這給醫(yī)學(xué)術(shù)語的整理和分門別類，產(chǎn)生了難度�！�

因此，如果能夠克服上述難點，解決當(dāng)前中文電子病歷NER可供使用的公開資源匱乏問題，其價值就能得到更大程度的體現(xiàn)。雖然這次評測任務(wù)由于醫(yī)療數(shù)據(jù)的敏感性所有數(shù)據(jù)都是專業(yè)醫(yī)生團隊模擬撰寫，但無論從感觀數(shù)據(jù)仿真度還是統(tǒng)計學(xué)意義數(shù)據(jù)分布情況均經(jīng)過嚴(yán)格科學(xué)測試。

NER評測的背后，反映出醫(yī)療數(shù)據(jù)標(biāo)準(zhǔn)化的重要性。除了命名問題，數(shù)據(jù)的質(zhì)控也同等重要。

在對醫(yī)院文本進行結(jié)構(gòu)化處理的過程中，醫(yī)渡云發(fā)現(xiàn)醫(yī)療數(shù)據(jù)的質(zhì)量其實并不高。雖然醫(yī)渡云合作的醫(yī)院都是國內(nèi)排名前150名的三甲醫(yī)院，但它們的數(shù)據(jù)依然有很多質(zhì)量不達標(biāo)、不準(zhǔn)確的地方。

為了解決這些問題，醫(yī)渡云用三年半的時間專注開發(fā)出一個整合性極強的“醫(yī)學(xué)數(shù)據(jù)智能平臺”（DPAP），能把原始零散的不可計算數(shù)據(jù)變成高質(zhì)量可計算可應(yīng)用數(shù)據(jù)，平臺上聚集了大量知識圖譜、300種以上的智能處理模塊以及二十余種專病庫。

DPAP通過對散落的數(shù)據(jù)整合，構(gòu)建患者的時間軸模塊，以診療事件時間為主線，完成疾病數(shù)據(jù)建模；從疾病的角度來看，DPAP還能夠提供疾病數(shù)據(jù)模型。而無論是疾病數(shù)據(jù)模型，還是患者診療模型，這都是臨床科研、路徑挖掘、療效評價、輔助診斷應(yīng)用的基礎(chǔ)。

在此過程中，醫(yī)渡云還對整個數(shù)據(jù)的生產(chǎn)進行強力的質(zhì)控，通過建立醫(yī)學(xué)常識的知識庫和歸一化處理，將醫(yī)院內(nèi)不同的說法，映射到同一個標(biāo)準(zhǔn)。

但問題在于，標(biāo)準(zhǔn)如何制定？

現(xiàn)階段，在醫(yī)療行業(yè)，包括政府、學(xué)術(shù)、民間和企業(yè)在內(nèi)的各種組織，都在嘗試定義各種標(biāo)準(zhǔn)。但難題在于，標(biāo)準(zhǔn)制定出來之后，如何讓行業(yè)遵從它。

閆峻表示：“醫(yī)渡云不愿意去等待標(biāo)準(zhǔn)的產(chǎn)生，所以我們與很多的專家、醫(yī)院去嘗試制定數(shù)據(jù)標(biāo)準(zhǔn)。另外，我們覺得更行之有效的方式是，先不通過市場去推廣標(biāo)準(zhǔn)，而是與上百家三甲醫(yī)院合作，按照每家醫(yī)院自己的習(xí)慣，幫助其數(shù)據(jù)質(zhì)量提升�！�

這意味著，不管是哪一家醫(yī)院，用什么樣的標(biāo)準(zhǔn)，都會跟醫(yī)渡云自己的標(biāo)準(zhǔn)形成映射。只要映射關(guān)系存在，醫(yī)渡云就可以實現(xiàn)臨床多中心的研究，只需在醫(yī)院授權(quán)前提下開放一個接口，所有合作的醫(yī)院都可以在一個平臺上協(xié)同合作。

只有把數(shù)據(jù)服務(wù)做好，才有機會在潛移默化中形成大家認(rèn)可的標(biāo)準(zhǔn)。

標(biāo)準(zhǔn)的好壞的界定，閆峻認(rèn)為可以從兩個途徑來看：一能否真正能帶來實際價值的落地，二是是否有人愿意追隨。醫(yī)渡云希望能夠把自己在科研領(lǐng)域的專業(yè)化產(chǎn)品，不僅為臨床科室賦能，還要推動醫(yī)院信息科與臨床之間產(chǎn)生共識和共鳴。

此外，從人才結(jié)構(gòu)來看，如果真的想要形成標(biāo)準(zhǔn)，閆峻認(rèn)為一定要包含醫(yī)學(xué)專家和計算機專家。

以知識圖譜為例，專家的知識和經(jīng)驗，便是知識圖譜的基礎(chǔ)，而數(shù)據(jù)得出的規(guī)律，就是機器學(xué)習(xí)的范疇，所以兩大學(xué)派的融合，不僅是大數(shù)據(jù)和人工智能企業(yè)追求的人才結(jié)構(gòu)組合，也是最終形成行業(yè)標(biāo)準(zhǔn)的必然融合。

標(biāo)準(zhǔn)化的結(jié)果，是幫助醫(yī)院產(chǎn)生高質(zhì)量的專病數(shù)據(jù)，這也是醫(yī)渡云這樣的大數(shù)據(jù)公司的重要價值體現(xiàn)。在很多的醫(yī)院的專病庫建設(shè)的過程中，醫(yī)渡云并不是醫(yī)院提供了數(shù)據(jù)，就單只作為數(shù)據(jù)的加工處理方完成交付。

工作中，會經(jīng)歷很多專病庫的生產(chǎn)，經(jīng)歷多次迭代。醫(yī)渡云先要根據(jù)醫(yī)生對數(shù)據(jù)的解釋進行加工生產(chǎn)，回過頭來，還要把產(chǎn)出的數(shù)據(jù)與醫(yī)生進行對接和修正。高質(zhì)量專病數(shù)據(jù)的生產(chǎn)需要經(jīng)歷非常多道工序�！搬t(yī)生對數(shù)據(jù)有了更深刻的認(rèn)知，企業(yè)也從這個過程中學(xué)到很多醫(yī)學(xué)知識，這是一個共同進步的過程�！遍Z峻說。

在不少項目中，醫(yī)渡云還要更多做一步。例如某專病庫，在醫(yī)學(xué)學(xué)術(shù)界有著大量的論文文獻。醫(yī)渡云除了評價數(shù)據(jù)質(zhì)量、結(jié)構(gòu)化的程度的高低，還要看這份數(shù)據(jù)能否重現(xiàn)之前的一些科研論文，達到其表述的效果。通過這樣的方式，醫(yī)渡云來驗證其交付水準(zhǔn)。

“這些年，醫(yī)渡云的核心是‘醫(yī)療大腦’的建設(shè)，一方面是人工智能技術(shù)，另一方面是醫(yī)療知識圖譜的建設(shè)。人工智能離不開真實世界數(shù)據(jù)和最新的醫(yī)學(xué)論文的研究成果的支持，它們結(jié)合形成的知識點，是構(gòu)建醫(yī)療大腦的關(guān)鍵�！贬t(yī)渡云CTO徐濟銘告訴記者。

據(jù)了解，目前醫(yī)渡云已與700余家醫(yī)療機構(gòu)建立戰(zhàn)略合作，其中包括全國top150 中的100家頂級醫(yī)療機構(gòu)，為醫(yī)院集成融合3億多患者、13億人次的醫(yī)學(xué)數(shù)據(jù)。另外，醫(yī)渡云還建立了近30個高質(zhì)量專病庫，且每年仍在不斷增加中。

在全國，醫(yī)渡云已與醫(yī)療機構(gòu)產(chǎn)出近20篇國內(nèi)／國際期刊論文。通過強大的技術(shù)處理數(shù)據(jù)，醫(yī)渡云為合作機構(gòu)提供理論依據(jù)，通過建立標(biāo)準(zhǔn)、整合數(shù)據(jù)、培養(yǎng)醫(yī)學(xué)大腦、提供科研靈感來輔助臨床診療決策、提高效能。