岳超
邯郸邯钢医院 056001
摘要 急腹症是一组以急性腹痛开始的急性疾病，包括急性单纯性阑尾炎等简单疾病和消化道穿孔等重症急性胰腺炎等复杂疾病，可危及生命。在有限的时间内，依据患者对症状的描述快速对急腹症进行准确分诊，识别和筛选危重患者，并进行优先处理，是一待解决的重要问题。计算机技术的发展使得利用人工智能(AI)技术创建一个快速分流急腹症患者的系统成为可能。因此，本文探讨了近年来自然语言处理领域的最新技术发展，并探讨了它们在构建急腹症辅助诊断快速智能系统的应用前景。该系统的开发可以作为范式扩展到其他疾病，优化患者护理并提高急诊护理的有效性。
关键词：人工智能；预检分诊系统；急诊科；急腹症；应用价值
Abstract Acute abdomen is a group of acute diseases that start with acute abdominal pain, including simple diseases such as acute simple appendicitis and complex diseases such as severe acute pancreatitis such as perforation of the digestive tract, which can be life-threatening. In a limited time, the rapid and accurate triage of acute abdomen based on the patient's description of symptoms, identification and screening of critically ill patients, and priority treatment are important issues to be resolved. The development of computer technology makes it possible to use artificial intelligence (AI) technology to create a system that quickly triages patients with acute abdomen. Therefore, this article discusses the latest technological developments in the field of natural language processing in recent years, and discusses their application prospects in the construction of a rapid and intelligent system for acute abdomen diagnosis. The development of the system can be used as a paradigm to extend to other diseases, optimize patient care and improve the effectiveness of emergency care.
Keywords: artificial intelligence; pre-inspection and triage system; emergency department; acute abdomen; application value
近年来，由于不健康的生活方式和环境恶化，急腹症的发病率显着上升，严重威胁着患者的生活质量[1]。因此，及时有效的诊断对患者来说非常重要。计算机和网络技术广泛应用于各种医疗程序，可以加快规范化急诊室设置和应用管理信息化，提高急诊诊治水平和急救实效，成为医疗行业快速准确分类保存的共识[2]。目前，大多数医院采取了以下经验做法：（1）根据护士经验分诊，它在护士执行和质量检查方面都没有统一标准；(2)一些医院对胸痛、腹痛等各种症状设定了标准评分，但分诊指导仍然有限。（3）也有医院建立应急信息系统的分类标准和内容，主要用于作为护理一部分的疾病的科室独立分类。根据医院标准急诊要求，结合我院护士分诊现状，自主设计开发了快速分诊软件系统。此系统基于分拣系统标准的标准化工具，提高分拣效率和准确性。本质上，对于急腹症的快速准确分诊，是一个基于患者对于症状的描述(主诉、现病史)和少量辅助检查结果对于疾病诊断和危重程度进行分类预测的过程，随着机器学习和人工智能的发展，有可能实现智能辅助决策。
1急危重症领域中的辅助决策系统发展简述
重症监护病房的基础标准重症监护决策支持系统类似于CDSS开发的核心技术路线知识库+推理引擎。近年来，IBM的 Watson 肿瘤辅助决策系统备受关注，并开始在国内多个环境中进行测试，引发了临床健康专业人士对人工智能的日益浓厚兴趣[3]。一些临床信息管理系统已经用于应对紧急情况。分诊护士有两个职责[4]：①优先对患者进行诊断和治疗，识别最严重和高危的患者（即重症患者）并送至急诊室；②准确判断患者的情况，将其分配到符合自己疾病治疗的某些科室（如内科、外科等）。
上述急救携带系统可以实现对患者优先级的初步评估，收集的信息通常包括：患者的生命体征、以及疼痛评分、意识清晰度、过敏史、传染病史等，然后遵循一个简单的系统规则用于分类。虽说可用于休克等指标较少的危重病人的快速筛查。然而，却忽略了关于主诉和患者病史信息的提取。这严重限制了急腹症的发现，这是一种以症状为导向的复杂情况，可能导致误诊、不必要的检查、耗时的反复会诊和延误治疗。1995年，在国外科学高级研究员曾宪久教授[5]和计算机科学高级研究员黄凤玲教授的指导下成立了急腹症自动诊断研究组，由于理论的影响、计算机具有本研究未揭示的局限性。可直接应用于临床应用结果，但近年来这方面的研究一直保持沉默。然而，关于急腹症的类似研究仍然是空白的。纵观这个过程，可以看出，急腹症诊断与危重症诊断的巨大差异，是导致本研究发展不平衡的一个重要原因。鉴于机器处理的复杂性，症状组合由患者自然语言表达，并由医生在一定条件下进行调整。如果没有合适的技术帮助，这些信息在经典医学研究中显然是难以理解的，也很难成功建立一个自动诊断系统。
2引入自然语言处理技术带来重要契机
近年来，随着自然语言处理（NLP）技术的飞速发展，为解决长期困扰临床诊断的问题提供了契机。NLP不仅是计算机科学的重要组成部分，也是人工智能的重要研究领域。它是一门结合语言学、计算机科学和数学的科学[6]。自 2015 年以来，自然语言的理解和处理取得了重要进展，即从 onehot 模型到词嵌入模型的过渡。词嵌入的基本原理是提取大量的自然语言文本词汇，并将提取的相关词汇按照一定的关系组织在一个反映它们之间逻辑关系的系统中。与传统的模型相比，该模型是当前短语的本地上下文特征。使用连续或不连续的语言模型来分析特定单词与上下文的关系，然后将单词之间的关系和转换概率转换为一系列固定长度的向量。通过将不同的词转换为相同长度的向量，将文本转换为固定宽度的矩阵，可以用来进一步模拟不同的机器学习。它不能完全反映人类知识体系中词语的各种隐含意义及其所包含的各种内容。理解某些词的全局上下文和语义描述，例如“急腹症”在特定业务场景下，在某段病历文本中的全局语境和语义描述，则需要做更多的技术努力。因此，给一定单词的含义不仅通过大量文本的上下文进行校准，而且还通过其概念空间进行校准，所有这些构成了人类知识的基础。
3实现基于NLP的急腹症辅助决策需要跨越的挑战
然而，当用上述通用系统建立临床诊断的语言关系时，却缺乏能力，因为从经典教科书中提取的诊断关系，代表疾病诊断的“典型”知识：真正的临床患者的症状/体征不像教科书那样典型。通常有几种疾病状态组合在一起，导致症状/体征重叠并相互干扰。长期以来，我们一直依靠经验丰富的临床医生来确定这些重叠的关系。在实践中积累的关于诊断的直觉是提取“隐性知识”的能力。因此，为了正确提取信息，句子及其关系必须放置在结构化网络中[7]。2008年，Tim Berners-Lee 等人提出了下一代互联网的概念——语义网。他们认为，互联网上的所有信息都是在本体的基础上描述的，具有一定的结构，这些结构的语义可以通过本体来描述。一旦信息被结构化和语义化，计算机就可以完成概念网络的定位以理解其含义[8]，例如：酸痛，腹部收缩等等。那么我们可以假设计算机理解“腹部反跳痛”的概念。对于后者，考虑到急性腹膜炎的典型病史，计算机使用类人思维模型评估了“本文描述的急性腹膜炎”，甚至决定“需要进一步的生化/影像学研究”，相信计算机可以和容易的理解了上面这句话的意思[9]。
总结
我院开发的急救系统专家软件经过一段时间的使用，实际应用经验总结开发了标准的携带系统，支持护理人员快速决策。分诊软件数据库包含数百种急诊患者常见的主要疾病和生命体征，通过组合数据，系统自动生成发病率和可能的诊断，指导患者就医。不同于以往护理人员的分诊体验，该系统为所有护理人员提供了一致的分诊标准和结果，并且在质量可追溯性方面也有标准来管理分诊。因此,AI系统的开发，加快了急腹症快速分诊，以提高急腹症患者得到快速治疗的有效率。
参考文献
[1] 张薇, 孙明伟, 曾俊, et al. 基于人工智能构建急腹症快速分诊系统[J]. 实用医院临床杂志, 2019, v.16(01):227-230.
[2] 谢文芳. 急腹症分诊准确率的影响因素及对策[J]. 医学信息:下旬刊, 2010, 23(009):136-136.
[3] 徐凤莲. 浅谈对急腹症病人分诊[J]. 安庆医学, 1996(6).
[4] 侯彦辉, 谢玉娟. 浅谈急腹症分诊的方法[C]// 中山国际急诊与灾难医学论坛. 2012.
[5] 奚建媛, 张萍女, 蔡佩源. 预检分诊系统在急诊科急腹症患者中的应用效果[J]. 医疗装备, 2017, 30(021):58-59.
[6] 陈佩佩. 基于TTAS标准下的急诊分诊系统在急腹症患者中的应用[J]. 护理实践与研究, 2019, 16(01):147-148.
[7] 关仲彦, 何月桂, 缪国英. 提高急腹症预检分诊准确性的探讨[J]. 南昌大学学报(医学版), 2010.
[8] 黄丽, 李艳霞, 吴练练,等. 基于深度学习的良恶性胃溃疡人工智能辅助诊断系统研究[J]. 中华消化内镜杂志, 2020, 37(07):476-480.
[9] 孔小菁. 浅谈急腹症患者分诊技巧与体会[J]. 养生保健指南, 2018, 000(018):212,219.