人工智能在医院医疗风险管理中的应用研究
医疗风险是指诊疗过程的不确定因素直接或间接给患者、医务人员或医疗机构造成不良后果的可能性。2021版世界卫生组织（WHO）“全球患者安全行动”报告指出，低收入和中等收入国家的住院治疗平均每年导致1.34亿起不良事件，造成260万人死亡。医疗风险管理作为医疗质量与安全的核心内容之一，通过识别、评估风险并制定风险应对方案等，将潜在风险控制在可接受范围内，减少不良事件和医疗事故，保障患者、医务人员、医疗机构等多方获益。当前,人工智能（Artificial Intelligence，AI）技术快速发展，广泛应用于医药卫生领 域的辅助诊断、健康管理、智慧医院等方面。本文以某综合性三甲医院（以下简称“A医院”）为例，探讨AI技术 如何应用于医疗风险管理，实现有效的数据采集，对医疗质量控制各环节进行实时、动态、有序管理，早期识别风险，事中开展纠偏，使医疗风险管理由终末式管理转向环节管理，帮助医务管理者精准施策。
1 医疗风险管理的现状
当前，大部分医疗机构已建立完善的医疗风险管理系统，包括医疗安全事件上报系统、危急值预警系统等；然而，以医务人员主动上报为主的风险识别效果不理想，存在瞒报漏报现象，导致医疗安全事件上报系统接收到的风险信息不完整。同时，电脑终端的医疗安全事件上报 系统往往存在内容单一性和填报繁琐性等缺点，获取到 的风险数据仅限于简单的汇总、对比和趋势分析，制约了风险数据的进一步挖掘和分析。医疗机构通常以职能科室分工为依据，以发现问题、分析问题、整改问题为路径，开展风险管理的碎片化检查，忽视对医疗过程风险的实时监测、预警和干预。此外，品管圈、PDCA、根因分析法等风险管理工具的使用仍停留在事后分析与改进阶段，对诊疗过程的风险识别和评估比较薄弱。
AI技术通过整合计算机科学、逻辑学、生物学等学科知识，在语音识别、图像处理、自然语言处理等领域已取得显著成果，能够有效提升劳动效率、降低劳动成本、优化人力资源结构。2017年，国务院印发《新一代人工智能发展规划》，提出要抢抓人工智能发展的重大战略机遇，推广应用人工智能新模式新手段，建立快速精准的智能医疗体系，建设智慧医院。2022年7月，科技部、教育部和工业等部门印发《关于加快场景创新以人工智能高 水平应用促进经济高质量发展的指导意见》，再次强调 AI技术在医院智能管理方面的重要性。
诸多研究显示，将AI技术应用于医疗风险管理，与医疗数据相结合，能够实现对患者安全的动态实时监测，并基于收集到的数据，识别和预测医疗风险，分析风险影响因素，提供医疗风险管理技术支持。例如，运用机器学习和自然语言处理等AI技术进行病种管理，提高了疾病诊断相关分组的准确性；在临床路径过程中运用AI技术实时动态监测与反馈，提高了质控效率和质量。
2 AI数字管理系统的实践
作为一家大型综合性三级甲等医院， A医院随着一院多区的加速迈进，医疗服务人次数逐年上升，医疗风 险成为医院管理的重点。2021年初开始，医务部与门诊部、护理部、质量管理部、信息中心等部门联动，构建了AI数字管理平台，取得了一定的成效。
2.1 AI数字管理平台架构与关键技术
医院打破职能科室的边界，通过对医务部、门诊部、护理部、质量管理部、信心中心等部门的职责梳理、整合，联合开发医疗风险管理系统；运用数据整合、知识图谱和数据抽取等AI技术，搭建了医疗风险管理系统及其子系统，包括：医疗质量安全核心制度监测子系统、不良事件上报子系统、电子病历质控子系统、单病种管理子系统、临床路径管理子系统（见图1）。通过多个子系统协同运行，医院实时监测、识别医疗风险，并尽早采取风险应对措施，减少并发症、医疗意外、医院感染、医疗差错、医疗事故等不良事件的发生，最终实现医疗质量与安全的双提升。基于AI技术的医疗风险管理系统以管理潜在的医疗风险为出发点，主要关键技术包括数据整合、知识图谱和数据抽取。
（1）数据整合：医疗数据通常存在于多个信息系统中，如EMR、HIS、LIS、RIS、PACS等，需要足够弹性的中间件进行数据抽取和整合。A医院医疗风险识别管理系统运用数据整合技术，对多院区、多系统异构数据进行抽取和标化。
（2）知识图谱：以底层医学知识图谱网络为支撑，利用文本数据的理解能力、自然语言理解技术（Natural Language Processing，NLP）、半监督学习和强化学习等机器学习技术，对大量诊疗非结构化文本数据进行清洗和结构化处理，将相同概念的实体归一化到一个标准名称。
（3）数据抽取：抽取标准数据，通过标准定义的统计口径，实现对指标数据的精准统计。
2.2 系统功能设计
医院围绕现行医疗安全管理业务，针对医疗质量安全核心制度，结合等级医院评审标准、三级公立医院绩效考核标准、电子病历系统功能应用水平分级等评价标准，建立风险管理的指标系统，发挥AI技术优势构建风险监测点。应用AI感知能力，实时监控医院各系统产生 的患者病情变化和医生诊疗行为的电子化数据；运用AI分析和决策能力，计算并监控医院质量和安全重点关注的统计指标发生提醒值、警戒值超限的情况，通过数据大屏或移动端进行风险预警与提示，支持动态、实时的风险识别管理，有效提高医院精细化管理水平。
（1）医疗质量安全核心制度监测子系统。医疗质量安全核心制度（以下简称“十八项核心制度”）为医院风险管理提供了制度保障和支持，推动医院管理精细化和科学化[11]。A医院搭建医疗质量安全核心制度监测子系统，有效监督“十八项核心制度”的落实情况，例如对死亡记录24小时完成率、抗菌药物记录完成率、危急值记录完成率、急危重患者抢救记录完成率、会诊及时率和完成率等指标，设置提醒线和警戒线，AI抽取技术匹配各指 标数值，对超过提醒阈值和警戒阈值的指标，在数据大 屏或医务管理者移动端进行提示。
（2）不良事件上报子系统。A医院开发钉钉移动端不良事件上报小程序，医务人员可便捷填写医疗风险信息，拍照上报至医务管理部门，由医务管理人员及时进处理或协调相关职能科室介入处理，对提高风险识 别、报告和处置的效率发挥了重要作用。
随着HIS、EMR、LIS等信息系统的广泛应用，以及面对海量结构化数据，运用AI数据整合和挖掘能够筛除无关数据，提高数据采集效率，搭建监测浏览平台，通过多元化的品管工具（如柏拉图、雷达图、直方图等）展示重点关注的医疗过程数据，实时监测在院患者、当天重返、 累计超30天、当天手术、死亡患者等19种重点高风险病例，包括高风险手术、高风险患者、高风险药物、高风险操作、纠纷患者（见表1），方便医务管理部门随时掌握并追踪风险患者，实现早识别和早干预，最大程度降低医疗安全事件的发生。
（3）电子病历质控子系统。利用ETL（Extract-Transform- Load）工具、自然语言处理、机器学习等AI技术，基于医疗知识图谱，通过运行电子病历质控规则库，从内容完整性、时效性等方面对病历书写质量进行研判，也可从术语规范性、逻辑一致性等方面对病历内涵质量进行控制，将以往电子病历的“事后质控”转变为“事中质控”， 帮助临床医师不断完善病历质量。同时，质控系统能够 按照质控规则，对电子病历各项目是否缺漏进行识别判断，对缺项提醒医师及时修改，降低了病历不完整、缺乏逻辑、不及时等医疗风险。
（4）单病种管理子系统。 依据国家卫生健康委关于单病种质量控制与管理的相关政策，结合临床路径、疾病指南等多维度质控标准，形成单病种知识库；基于AI医学知识图谱和机器学习技术，运用大量真实世界数据及规则进行模型训练，实现对临床医生诊疗合规性的分析。同时，在单病种管理系统支持下，自动采集病历信息，辅助临床医生进行单病种相关数据填报，并实现不同维度的风险识别，临床医生可以实时查看患者的单病种质控指标完成情况，及时矫正医疗行为缺陷；医务管理者可以查看各科室临床医生的单病种指标完成情况，掌握各病种数据，确保风险干预措施的实施能够及时准确。
（5）临床路径管理子系统。患者入径前，系统进行预审，协助临床医师选择最佳临床路径；患者入径后，系统会监测和识别患者临床路径管理过程的风险，如必选诊疗工作处于未录入状态、超时医嘱、结果异常需复查等。当临床医生的诊疗操作不符合临床路径预设规则时，系统会作出提醒，辅助优化诊疗手段。同时，系统会展示全院临床路径病种概况、路径完成情况、质量指标等，标记非路径收治排名靠前的病种，对临床路径的关键点进行动态监测、变异甄别、拦截和反馈，实现诊疗标准化、程序化，减少误操作和漏操作。
2.3 成效
2021年10月，A医院基于AI技术的医疗风险识别管理系统在两院区上线使用，员工风险管理意识明显提升，医疗质量、医疗安全管理能力明显提高。
（1）风险识别关口前移。基于AI技术的医疗风险识别管理系统实现了多院区全量医疗数据实时对接，医疗安全管理方式由人工督察、事后被动监管的模式，向信息技术辅助、事前主动防控转变。死亡率、重返率、会诊及时率、危急值处置率等指标值若超过预警线，系统会提示数据出现异常，根据提示的异常预警信息，质量安全管理人员向临床科室发出警示，由管理部门与临床科室协同分析原因、解决关键要因，尽早消除隐患。医院上线医疗风险识别管理系统以来，院内死亡率下降13%，非计划重返手术率下降0.19%，会诊及时率提高6.66%，危急值临床处置率提高13.58%；病案甲级率提高5.21%，病历书写及时率提高16.14%，医嘱合格率提高4.7%。
（2）风险识别能力有效改善。基于AI技术的医疗风险识别管理系统不仅提供了风险监测平台，还提供了较为完善的反馈机制，改善了医务管理者的风险管理方式，使医疗行为风险处于动态监控之下，实现医疗风险的主动防控；注重对潜在的医疗安全风险的监测和防范，从薄弱环节、易发因素、高危情形等方面发出预警，例如病历质控管理可及时提示医生待完成的病历时限和病历缺陷，避免病历超时完成或出现重大缺陷；形成了“十八项核心制度”的 “ 实施-监管-改进”闭环管理，极大保障了医疗安全。
（3）员工风险意识显著提升。对该院30名临床科主任、医务管理人员开展问卷调查，受访者认为医疗风险识别管理系统有助于提升日常管理的效率，从而有更多的精力投入到临床工作。同时，医务人员的医疗质量安全风险管理知晓率整体提高，内涵理解进一步提高，医疗行为进一步规范，医疗不良安全事件大大减少。
3 讨论与建议
新形势下，医疗质量管理的方式方法发生了转变， 从现场检查、人力监管、结果分析、被动监管转向以信息 化质控、实时质量监控、前瞻性防控、主动管控为主，现场核查为辅[12]。AI技术赋能医疗风险管理是医疗质量管理的新趋势，尤其对集团化或区域化医疗机构建立统一集成的AI数字管理系统，是医疗同质化的有效手段，对提高整体医疗质量具有深远意义。未来，要进一步发挥AI数字管理系统在医疗风险管理中的作用，提高医疗质量管理的效率和效能。
3.1 进一步发挥不良事件上报子系统的作用，减少不良事件漏报瞒报迟报
在临床实际中，不良事件监测子系统的作用尚未全部发挥，尽管医院建立了非惩罚性鼓励上报机制，但仍无法避免不良事件漏报瞒报迟报。究其原因，临床医生对不良事件上报存有顾虑，认为会形成责罚；同时，科室未充分评估潜在医疗风险，缺乏早期风险识别能力。对此，医院亟需开展医疗风险识别与防范培训，提高医务人员和职能科室人员的风险意识和责任意识，借助AI技术对能够主动识别的风险进行提醒，减少人工上报存在的漏报瞒报迟报，将风险控制在最低水平。
3.2 增设专科风险识别子体系，提高专科风险识别和防范的效能
当前医疗风险监测和识别集中于高危患者、高危科室和高危因素，由于专科特点和患者个体差异，难以对所有专科风险逐个进行分析。对此，应进一步完善专科常见病风险指标体系，增设专科风险识别子系统，运用风险量表对专科常见病潜在风险划分评级，将症状和体 征、查体与辅助检查结果等形成指标设定早期预警标准；并利用AI技术处理多指标之间的非线性关系，建立回归模型，嵌入医院信息系统，使医务管理部门能够实时监测、识别专科风险，及时提醒临床医护人员关注，提高专科风险识别和防范的效能。
3.3 挖掘风险识别管理数据的科研潜力
医院运用AI技术持续开发信息系统，将院内各信息系统数据进行整合，解决了信息孤岛难题；同时，集成患者信息进行分析和应用，为临床和管理研究提供了大数据基础。后续，应通过AI数据驱动和回顾性研究方法，挖掘数据潜在价值，从循证医学及临床研究角度进行有据可依的医疗风险评价及其影响因素研究，推动医疗风险 理的理论创新和研究方法创新。
3.4 推进风险识别管理系统功能延展
AI技术应用于医疗风险管理系统，在实际运行中会 出现医学术语数量巨大、不同表达方式的缩略词不同、一词多义等情况，相关数据抓取存在较大阻碍，需要不断迭代更新。为获得精准和精细化的医疗风险数据信息，一方面要提高数据来源的准确性和预警反应的灵敏性， 另一方面要积极与多方沟通，根据实际情况对警示阈值及审核标准进行合理调整。同时，不断探索和研究AI技术 在医疗风险管理中的模式与场景应用，如增加风险应对 预案执行等功能模块，完善预警的广度和深度，提供更为合理的解决措施，实现医疗风险管理能力的持续改进。
