随着信息化及智能化的全面普及，医疗卫生智能化管理成为了医疗管理体系改革中主要发力点之一，在智能医疗及数字化医疗康复体系中占据重要地位。在传统科室导诊过程中，导诊护士主要通过人工喊话或者电脑排序对排队病人进行分流、引导或者管理，这样的流程往往导致在管理过程中出现病人烦躁、焦虑或者急性病人得不到及时诊断，使得导诊过程混乱、医患冲突加剧等情况，增加导诊人员的工作量。因此，开发一套基于大数据的智能导诊管理系统是非常必要的。
近几年，在医疗卫生信息化行业的几大展会中，如中华医院信息网络大会（CHINC）、中国医院协会信息网络大会（CHIMA ）等，都将医学人工智能、云计算技术、大数据处理与分析技术等研究主题以分会场的形式组织医院信息化管理人员、行业厂商、行业专家等进行探讨。当前，在医疗卫生信息化行业，如何基于健康医疗大数据，运用云计算、大数据、人工智能等相关技术，搭建合理先进的大数据云服务平台，为广大患者、医务人员、科研人员提供服务和协助，也必将成为未来医院信息化工作的重要研究和工作方向。智能医疗管理系统是从海量的医疗健康大数据中提取有价值的信息并合理、有效地利用正快速成为医疗卫生信息化行业战略发展的新方向 [1-2]。通过云计算技术、大数据分析技术、人工神经网络技术等手段对医疗健康、医院管理、现场管理等一系列管理，从而实现医疗智能化[3-4]。
目前，在医疗就诊、病历管理、现场管理等方面是医疗智能化的重点发展方向。而对于如何基于医疗大数据[5-7]，运用云计算、大数据、人工智能等相关技术，搭建合理先进的大数据云服务平台等相关技术均处于起步探索阶段，智能化导诊处于“人工+电脑辅助”相结合的初级模式，对于队列长度判断、智能分流、导诊建议等方面还处于原始阶段。
本文提出一种基于大数据的智能导诊管理方法，通过对查询患者个人健康档案信息，结合医院现有的专家信息，初步对患者的病种和病情做出预测，给出初步的判断，同时，为患者推荐擅长诊疗该病种的专家，从而让患者获得更加有效的诊疗[8-10]。
1.智能平台的基本框架
1.1设计原则
（1）可靠性
软件系统规模越大就越复杂，其可靠性也就越来越难以保证，相对应的应用对系统运行的可靠性依赖程度也越来越高。软件可靠性主要是指软件在运行过程中规避可能发生故障的能力，且一旦发生故障后，具有排除故障和修复的能力。软件可靠性和硬件可靠性本质区别在于：后者为物理机理的衰变和老化所致，而前者是由于设计和实现的错误所致。
（2）健壮性
健壮性是指软件应对不规范的需求时，具有的一种处理能力，是软件设计及实现中非常重要的软件外部量度标准。软件设计的健壮与否直接反应了分析设计和编码人员的水平。
（3）可修改性
以主流软件开发模型设计软件，使之具有良好的底层结构和完整的设计开发文档，系统性能满足应用需求并方便调整。
（4）容易理解
软件的可理解性是其可靠性和可修改性的前提。它并不仅表现在设计开发文档有逻辑性和便于理解，注释规范而清晰，更要求软件架构设计简单明了。
（5）可测试性
可测试性就是设计一个适当的测试方案及测试用例，用来测试新开发的系统，使系统得到全面的测试验证。
（6）效率性
软件的效率性一般用程序的执行时间和所占用的计算机 cpu、内存、存储等资源来衡量。在达到功能要求的指标下，程序运行所占用的计算机 cpu、内存、存储等资源越小，则效率越高。
（7） 标准化
在结构设计上满足系统开放性要求，满足行业内数据及数据接口开放式标准，并符合国家相关规范。
（8）先进性
系统性能可靠，易于维护。
（9）可扩展性
软件设计完要留有升级接口和升级空间，能够应对未来软硬件升级及技术升级。
（10）安全性
安全性要求系统能够保持用户信息、操作等多方面的安全要求，同时系统本身也要能够及时修复、处理各种安全漏洞，以提升安全性能。
医疗信息化行业逐渐形成了建设医疗大数据平台的共识。通过医疗大数据平台，把医疗机构中不同系统、不同数据类型、不同数据结构的“异构异源”的数据整合起来。从医疗机构的初步信息化到医疗大数据平台。我们提出医疗行业大数据平台系统架构上应该由六部分组成，分为：数据源、数据采集、数据存储、数据分析、数据服务、数据应用。基于大数据的智能导诊平台主要有四个主要模块：应用层、智能导诊系统、大数据层、基础系统。具体框架如图1所示。
图1 智能导诊平台框架示意图
2.智能平台主要构成
在医院原有电子病例系统基础上，建院内数据中心，该中心将医院内部各系统的各类数据进行统一的集成管理。智能导诊系统通过与数据中心对接，获取相应的患者信息、医生信息，并形成智能导诊专用的知识库。各模块介绍如下：
智能导诊知识库：通过从数据中心提取患者个人信息、科室专家信息、病情描述信息、诊断信息等，筛选关键词，创建关联性，通过将医生医治记录、擅长领域等以知识图谱的方式串联起来，并对某型症状具有代表性质，通过“相似度计算推理患者可能的患病概率”；
患者信息库：包括患者注册信息（姓名，身份证号，手机号等），患者诊前自述信息，导诊问答信息等；
医生信息层：包括医生个人简介（姓名，科室，职称，专业介绍），标签信息，满意度评价信息等。
自然语言转换成：系统提供患者通过自然语言输入诊前自述内容，通过声学某块对其进行处理，以神经网络作为输入层，并通过相应病例数据形成自然语言输出层，生成关键词。
智能问答模块：以常见问题作为输入，将问诊流程转换成问答形式，通过知识库匹配，对患者进行初步判断，并为患者提供初步的导诊服务。
匹配逻辑层：将患者与医生间的匹配关系按照相应规则进行互相关联，通过逻辑匹配程序，将医生与患者之间的知识从不同维度创建两者间的相关性。
服务评价层：在诊疗结束后，患者可以对此次就诊流程进行满意度评价，其中包括导诊准确性评价，通过反馈机制不断完善匹配规则。
医学知识库：知识库主要基于不断更新的疾病临床诊疗指南、临床路径、医学教材等权威部门颁布的医学资料，以及医院的历史病历数据，通过机器学习、数据挖掘与人工整理审核相结合的方式，对医学知识库内容进行结构化、元素化梳理。
AI 推理引擎：AI 推理引擎，通过指南文献、临床病历等原始文本数据进行采集，利用自主研发的 NLP技、大数据处理、医学术语标注等技术，把与诊疗相关的如症状、体征等关键特征信息提取出来，形成知识图谱，并通过神经网络的训练，生成多个不同应用的医学逻辑推理模型，用于辅助诊疗、智能导诊/分诊、异常检验指标解读等不用场景的智能推送。应用创新的知识发现和建模方法，使得辅助诊疗和临床决策支持功能完全符合正规的临床思维规范并契合最新的医学发展趋势。
智能辅助诊疗功能：医生信息推送：根据医生相关科室、以及使用频次等属性为医生推送关键信息。患者信息推送：将患者信息（健康档案、历史就诊信息等）进行智能过滤，并根据导入信息进行其他关联信息的推送。
3.系统流程设计
患者利用相应的应用程序，通过问答或自述的方式逐步进行症状的描述，通过“症状联想”，不断让患者完善症状描述，直到后台系统能够较准确的判断该患者属于那种疾病，然后系统通过该患者的特征，遵循一定的匹配规则，为该患者匹配最合适的医生。主要应用流程如图2所示。
图2 智能导诊系统设计
系统需要从准确性、效用性等多方面考虑匹配规则，既要保障患者能够有效就诊，同时也应该让不同层次的医疗资源进行有效的分配。
（1）保障准确性的相应规则
症状关联度加权：越特殊的症状越能代表某种疾病，比如一些常见病症会出现在很多疾病中，对于此种病症的关联度加权就要减小，而对于一些专病特有症状的关联度加权就要增大。最终通过计算患者症状与疾病的关联度加权大小判断疾病。
参照关联致病因素：某些疾病会带来其他并发症，在进行匹配判断时，需要参照该患者的既往病史，进行关联判断。同时“年龄、性别、地域等影响患者发病的因素”也将作为判断的重要因素。
医生擅长优先：将患者匹配给最擅长治疗该疾病的医生。该原则的准确性需要两个前提：一是系统预判病情的准确性，二是医生擅长的准确性。通过给医生打擅长标签来确认医生的擅长领域，可以通过医生自己加标签和通过对医生过往看诊病历记录进行分析的方式加标签两种方式。
前置条件原则：对于综合性医院，若患者确认为儿童或孕妇，则直接提示去相关的儿科或妇产科进行就诊。
（2）保障效用性的相应规则
根据症状轻重匹配不同层次医生：对于症状较轻的基础病情患者匹配资历较浅的医生，对于病情较复杂患者匹配专家医生。以此起到分流的效果，实现医疗资源的合理分配。 成本效用分析：对于同一种病情患者，匹配同类型患者治疗过程中费用较少、住院时长较短的相应医生。
4.应用示例
本文以一腹痛男性患者为例，患者使用智能导诊功能，可以通过“部位+症状”或者直接人工语言输入病症的形式进行表达，系统会分析是否满足判断标准，如果信息量不能满足判断则系统会通过问答的形式继续向患者提问。比如患者输入“腹部胀痛”，系统继续向患者提问于该症状相关的其他基础信息，如“腹痛位置”、“腹痛程度”、“腹痛频率”、“发作时长”、“可能诱因”（自我判断）等，该提问结束后，会再进行并发症提问，如“是否伴随以下症状：腹泻、呕吐、便血、发热、便秘”等，接下来对于并发症还会有相应的基本信息的提问，通过提问的不断深入，层次递进，以此初步判断患某疾病（如肠胃炎、上消化道出血、肠易激综合征等）概率以及病情轻重。接下来系统会根据以上判断，遵循匹配规则，推荐相应的医生号源，方便患者进行挂号。在这个过程中，医生也同时获得患者的诊前自述信息。患者就诊结束后对此次智能导诊及整体就医流程进行评价反馈，以此促进智能导诊系统的完善。
系统能根据患者的病情进行分级，从而使每一位患者都能够得到快速而有效地治疗。系统首先结合患者个人健康档案，为有严重慢性病或病情较重的患者标记一个优先就诊属性。然后当存在一个患者队列时，我们用 L 表示，L=｛l1，l2，l3，l4，l5，l6｝，正常情况下他们的优先权由大到小依次排列，即先到的优先权大，所有优先接受治疗。但如果队列中存在标记有优先就诊的患者，那么系统要通过数据平台作出合理的决策，然后对他们进行重新排列，比方说 l1，l2，l3 均为普通患者，l4 为优先就诊患者，那么系统则可以使得 l4 的优先权高于前三者，即可以先接受治疗；l1，l2 均为优先就诊患者，那么系统通过对两位患者的健康档案数据进行分析，从而决策出哪一位患者可以优先接受治疗。同时为了避免出现多个优先就诊患者，导致前面的普通患者会出现多次被插队而久久得不到医治的情况，从而影响就诊体验。因此，要引入“动态优先权”，也就是说前三者的优先权会随着等待时间的延长而增加，使其在合理的时间内得到有效的医治。
4.结论
本文提出了一种基于大数据的智能导诊系统的开发与实现，通过建立患者库、医生信息层、自然语言转换库、服务评价层、数据融合层、逻辑匹配层、智能问答模块、知识库等应用层，建立出一个针对队列前、队列中、队列后的智能导诊管理平台。以患者腹痛为应用示例，充分展示了智能化管理平台在计算过程中的主要过程，为医疗智能化提供了一定的参考意义。
参考文献
[1] 李爱春. Web 挖掘在检测网络广告欺诈行为中的研究与应用[D]. 广东工业大学.
[2] 张冬梅.大数据技术应用于高校图书馆个性化服务的探讨[J].科技资讯, 2018, 16(2): 254-254.
[3] 王争, 李晋宏. 改进的 PrefixSpan 算法在客流计数中的应用[J]. 计算机时代, 2013(06):56-58.
[4] 周楠. 基于无监督学习的盲隐写分析研究[D]. 2013. 中国科学院大学
[5] 侯菡萏, 李俭. 浅谈大数据技术及应用[J]. 金融理论与教学, 2015(05):74-77.
[6] 张赞. 基于大数据的智慧旅游系统设计与实现[D]. 2016. 东北大学
[7] 高源. NoSQL 非关系型数据库的发展和应用研究[J].计算机光盘软件与应用, 2014(5):136-136.
[8] 宋波,杨艳利,冯云霞.医疗大数据研究进展[J].转化医学杂志, 2016(5):298-300,316 共 4 页.
[9] 陈明奇[1],黎建辉[2],郑晓欢[1], et al.科学大数据的发展态势及建议[J]. 中国教育信息化, 2016(21):5-9.
[10] 刘孝男,付嵘,李连磊.大数据时代,医疗行业信息安全面临的机遇与挑战[J].中国信息安全, 2018, No.103(07):99-101
作者简介：
黄莉（1993.03），性别：女，民族：汉族，籍贯：湖南衡阳人，学历：本科，职称：助教。研究方向：医疗健康与智能医疗
