2019年国家卫生健康委明确了我国智慧医院的建设范围，主要包括三大领域：“智慧医疗”、“智慧服务”和“智慧管理”。医疗质量管理智慧化是实现智慧医院的重要特征。但目前医院普遍存在医疗数据标准化程度不高、病历数据多为非结构化表达、医疗质控点分散等问题，造成现有HIS、电子病历、手麻、检验检查等信息系统积累的海量数据无法在医疗质量管理中发挥其应有的作用和价值。
本项目主要围绕医疗质量管理领域开展数据治理，实现医院各信息系统全数据采集，完成数据高度整合及标准化、结构化处理，利用人工智能技术构建医疗质量安全综合监控与管理平台，实现从质量监测、质量预警、专家评审到质量改进的医疗质量闭环管理，助力医院完成“发现问题-分析问题-解决问题-循环验证”的医疗质量持续改进，全面提升医院医疗质量管理水平。
首先，从加强医疗质量管理、规范医疗服务行为、保障医疗安全的角度出发，帮助医院建立涵盖基础质量、环节质量和终末质量的多维度质量管理指标体系。然后，利用数据采集技术将医院内部跨平台或异构运行的管理、临床系统中的基础数据（科室、患者、医师等）和业务数据（医嘱、诊断、病历、会诊、手术、输血、检查、检验等）进行实时采集和集成存储，实现医疗质量全数据集成。
智能化应用需要高质量的医疗数据作为支撑，因此数据的标准化和结构化治理是实现医疗质量智慧管理的基础。数据治理主要依据国内外权威临床指南，构建统一的术语库，利用自然语言处理（NLP）将非结构化的电子病历文本治理成能用于知识图谱构建、诊疗模型搭建的标准化、结构化数据，实现疾病诊断、检查检验、症状体征、药品名称、手术操作等结构化表达。
数据利用主要基于数据采集和数据处理的结果，利用AI技术搭建信息平台，通过智能化的质量监测、质量预警、质量评审分析、质量改进等功能，使医院具备医疗质量智慧化感知与判断、预警与反馈、分析与决策、协调与应变能力。
图1医疗质量闭环管理路径
利用ETL技术将医院分散的、异构数据源中的数据如关系数据、文本数据等进行抽取，然后进行清洗、转换、集成，最后加载到数据仓库中，为联机分析处理、数据挖掘提供数据支持。
利用NLP技术对医疗文本数据进行语义分析及提取，通过医学词库及语料库进行模型构建与训练，从而实现非结构化电子病历的结构化表达。利用病历结构化形成的知识点建立知识图谱，完成对电子病历数据的深度语义理解。
根据医疗质量管理需要，利用ETL技术实现医院HIS、电子病历、手麻、检验检查等信息系统及危急值、不良事件、院感等专项质控系统全业务域数据采集及汇聚，并对数据采集情况进行实时监控及管理。
图2指标标准定义
图3数据采集情况实时监控
（2）“治”：数据标准化及结构化治理
通过指标监测规则的标准化定义及配置、电子病历精准结构化处理等方面完成医疗数据标准化及结构化治理。
1）指标监测规则的标准化定义及配置
图4手术并发症监测规则配置
2）电子病历精准结构化处理
平台根据病历书写基本规范和专业医学知识，利用先进的自然语言处理技术，对电子病历中医疗文本进行结构化提取和显示。
以入院记录的主诉为例，对“主诉：右侧面部痉挛2年。”的结构化解析结果如下：
图5病历结构化解析
“以患者为中心”建立质量管理路径，从诊断、治疗过程到治疗结果进行全诊疗过程医疗质量监测，实现从患者入院到出院全过程医疗质量监管。
图6“以患者为中心”的全诊疗过程医疗质量监管
图7诊断质量监测举例
图8治疗结果监测举例-会诊质量
图10治疗结果监测举例-患者治愈好转率
基于数据治理结果，利用AI技术构建智慧管理功能，破解病历内涵质控、手术并发症自动筛查及非计划重返自动判定等难题，并通过构建PDCA质控环，完成从质量监测、质量预警、评审分析、到质量改进的医疗质量闭环管理。重点应用举例：
1）电子病历内涵质控
系统能够从内容完整性、逻辑一致性、诊断充分性、药物相互作用等方面进行内涵质控，通过对病历语义的理解，查找缺陷内容，标识原因，实现了对临床病历全方位质量把控与评审。
以入院记录质量监测为例，除监测入院记录在患者入院后24小时内完成情况外，还可完整覆盖从一般项目、主诉、现病史、既往史、个人史、家族史、体格检查、辅助检查到诊断的内涵监测：
表1入院记录质量监测示例
例如，按照要求，家族史需包含“直系亲属的健康、疾病及死亡情况”，平台根据规则库，对家族史进行判定，给出判定结果。
图11自动对电子病历进行评分及评级
2）手术并发症及非计划重返手术智能辅助监测
平台通过对电子病历内容进行挖掘，实现手术并发症及非预期再次手术智能预警监测。平台以手术患者信息为数据源，通过患者诊断、术后所有病程记录、申请会诊目的等多维度自动分析和筛查出疑似手术并发症患者，通过AI手段将防控关口前移，并对在院患者同一次住院两次手术间隔在31天内的非计划再次手术事件进行动态监测。
图12自动监测手术并发症
图13非计划重返手术室监测
3）医疗质量闭环管理
按照PDCA闭环为指导，以AI为手段，对医疗质量进行实时、高效、常态、全程、全面监管，实现事前预测、及早干预，事中监测、及时预警，事后分析、持续改进的医疗质量全程追踪闭环管理。
图14对监测到的医疗质量问题进行及时预警
图15支持医疗质量问题的持续改进
图16自动生成日、周、月、季、年质量分析报告
图17医疗质量走势预测
图18风险因素分析
构建医疗质量综合评价模型，对全院医疗质量情况进行综合打分，通过得分高低即可掌握医院本阶段医疗质量状况，让医院利用一个平台即可总览全院全部医疗质量信息。
图19医疗质量综合评价
平台已成功应用到医院的病历内涵质控、手术并发症及非预期再次手术智能监测、核心制度落实情况监测以及医疗质量闭环管理等多个方面，对医院医疗质量的提升效果明显。医院凭借在医疗质量标准化管理和信息化管理方面的经验，荣获2019年度我国质量技术领域的最高奖-“全国质量标杆奖”。
依托北京协和医院医疗质量管理理念，对平台质量监测指标体系及功能进行扩展，打造基于东华医为HIS、电子病历等产品的医疗质量安全综合监控与管理平台，实现医院医疗质量的智慧化管理和持续提升。
华西医院利用平台对首诊负责制度、会诊制度、三级医师查房制度、死亡病例讨论制度等卫生健康委规定的18项医疗质量安全核心制度在医院的落实情况的动态监测及管理，帮助医院全面提升医疗质量安全核心制度落实水平。
医疗数据治理是一个“修高速公路”的过程，人工智能应用是“跑车”。本项目通过三个阶段完成“高速公路”的修建及“跑车”的制造：数据采集阶段主要是基于ETL技术实现对医疗全业务域数据的快速集成，数据处理阶段借助NLP技术进行数据标准化、结构化治理，数据利用阶段主要利用AI技术构建医疗质量安全综合监控与管理平台，使数据采集及数据处理的成果转化为能够赋能医院智慧管理的智能应用。