“知症不知病、知病不知科”-- 患者就医时往往因为缺少医学知识而导致挂号科室错误。这既会延误诊治时机,也会因为患者病情与医生擅长领域不匹配而增大误诊率,同时这个过程也增加了患者的心理负担和经济压力。
京东互联网医院推出智能分诊服务,只需要患者用最简单的语言描述自己的问题,就能为患者推荐合适的科室,匹配对症的医生,提高医疗服务效率和质量。
医学人工智能是指以互联网为依托,通过基础设施的搭建及数据的收集,将NLP、深度学习、计算机视觉等人工智能技术及大数据服务应用于医疗行业中,使医疗成本降低、效果增强,而且为医疗等相关产业链带来新变化的产品和服务。人工智能与医学的融合发展已经成为各国相关政策和战略的重点方向。2017年7月20日,国务院发布了《新一代人工智能发展规划》,要求推广应用人工智能治疗新模式新手段,建立快速精准的智能医疗体系;2018年5月发布的《国务院办公厅关于促进“互联网+医疗健康”发展的意见》明确,到2020年,二级以上医疗机构应普遍提供智能分诊导医等线上服务。
我国医疗行业面临供需严重不均衡的问题。在需求侧,人民群众的健康需求不断增加,老年人口达2.49亿人,确诊慢病患者已超3亿人,发病率每年上升8.7%。而在供给侧,仍面临执业医师数量少、医疗资源分布不均衡等问题。现有的360万执业医师远远无法应对2300万的日均门诊量。好医生一号难求,挂号难成为患者及家属面临的普遍问题。
互联网医疗的出现使线上挂号量激增,而患者因为专业知识的缺乏,挂错科情况时有出现。人工分诊导诊,速度慢、成本高、易出错。这不仅延缓了患者就医、也造成了医疗资源的极大浪费。2020年突如其来的新冠疫情更放大了这个问题(疫情期间互联网医疗独立App用户峰值量超800万/日)。如何运用新技术使患者能快速找到最合适的医生,使医生能服务于最需要的患者,是当下急需解决的重要问题。
通过对场景、疾病及用户反馈的不断理解与学习,智能分诊服务将逐步实现全科室覆盖,实现精准科室匹配,可以极大地改善用户的就医体验。同时相对于人工分诊,智能分诊效率会成倍提升,运营成本更是趋向于零。
智能分诊作为医学领域内的专业服务,既要考虑到患者描述的口语化和非专业性,又要求分诊结果有高准确性及可解释性。多项人工智能及大数据技术被联合应用以达到以上目标,核心技术点包括:
分诊知识库及规则引擎:智能分诊知识库结构基于国家标准,通过算法从权威临床指南、文献及京东互联网医院沉淀的用户场景中抽取知识、生成规则;同时与京东全职医生团队合作,进一步保证知识内容的专业性。
医疗信息识别算法:利用一系列NLP算法,利用脱敏数据模拟患者的意图,经过不断训练,以提高分诊模型的信息识别能力。
多模态融合分诊算法:智能分诊融合了知识匹配、深度学习神经网络、特定领域修正、分层投票 等多种模型,相互校验准确率,根据不同采信机制得出最终分诊结果,兼具分诊结果的准确性、覆盖率与可解释性。
目前,作为人工智能技术在互联网医疗新实践,京东互联网医院的所有分诊服务已全部实现智能化。在新冠疫情爆发期间,很多民众出于对疫情的恐惧,及对线下就医交叉感染的担心,选择通过互联网医院进行在线问诊咨询。京东互联网医院的智能分诊在2020年上半年以7x24服务零宕机、零手工分诊、无长时等待的表现, 实现了每天将数万名用户与来自全国各地,跨20个一级科室、80个二级科室的数千名专业医生精确匹配连接,使他们在第一时间得到专业的疾病诊疗与健康咨询服务。
服务平台化,赋能更多医疗机构:将智能分诊服务连接到医院的官网、App端、微信公众号、小程序或第三方挂号平台,使患者挂号前可以先通过智能分诊得出应该就诊的科室,降低挂错号的概率,提升医院就诊服务体验。
场景拓展,建立全诊疗周期的智能辅助问诊与健康管理服务:智能分诊只是诊疗流程的第一个环节,随着诊疗数据的丰富和算法的演进,分诊知识库正在升级为医疗健康知识图谱,涵盖疾病管理知识库、风险识别知识库、话术库、随访路径知识库、健康管理知识库、健康教育知识库等多领域知识关联,智能辅助诊疗将从诊前拓展至诊中辅助问诊、诊后随访、院外健康管理等场景,为医生和患者提供全诊疗流程,全生命周期的智能健康服务。
感谢各位的阅读,欢迎与大家一起探讨交流!
dengdapeng@jd.com