<mark id="oztn4"></mark>
0
說到醫療人工智能，很多人首先想到的是醫療影像，因為相關的企業和產品時常拋頭露面。但如果問醫生最想要哪種形式的人工智能，答案卻很可能是電子病歷語音轉錄。
“出現這種反差，其實并不意外”，北京捷通華聲科技股份有限公司（以下簡稱捷通）總經理武衛東對雷鋒網說道。醫療影像的處理技術早在模式識別時代就有了，發展至今已經有二十年左右的歷史。影像處理是和醫療診斷直接相關的技術，國內外從事相關技術研究的高等院校、科研院所和企業很多。只不過近幾年，隨著數據的積累和深度學習算法的應用，圖像識別的準確率有了大幅提升，也被更多人所熟知。
而國內的語音識別技術直到最近兩三年才取得突飛猛進式的發展，識別準確率從80%多提升到了95%以上，達到了實用化的水準，并逐漸發展出了面向醫療等行業的定制化模型。目前，國內從事語音技術的企業還相對較少，掌握語音核心技術的公司更是有限。
武衛東表示，電子病歷語音轉錄之所以備受期待，主要有三方面的原因：
一、可以為醫生節省手寫病歷的時間。國內醫生的工作任務通常比較繁重，除了跟病人溝通交流，還要花費大量時間和精力書寫病歷和醫療文書。利用語音識別技術將醫生和病人的對話自動轉錄成文本，可以幫助醫生騰出時間來為更多患者服務，提升工作效率。
二、可以為醫患糾紛提供材料佐證。醫患糾紛是醫療行業的一大難題，一旦出現醫患糾紛，醫院往往處在弱勢地位，因為缺少足夠的資料證明醫生在診斷和用藥的過程中沒有失誤。醫院現有的HIMSS系統只能記錄患者的基本信息，簡單描述患者的基本癥狀，以及醫生用了什么藥。這種記錄的完整性還遠遠不夠。
現在很多保險公司正在大力推進“雙錄”機制，即錄音、錄像，作為解決投訴糾紛的證明材料。語音錄入病歷不僅是將醫生和病人的對話轉成文字和結構化的數據進行存儲，便于后期查詢和智能化分析；同時也會保留原始的錄音文件，作為處理醫患糾紛的證明材料。
三、語音轉錄形成的結構化數據可以在一定程度上緩解醫療資源不足、不均的問題。國內的病人看病都喜歡去大醫院掛專家號，但專家號很難掛，原因在于醫療資源不足。其實很多非三甲醫院、地方醫院的設備并不見得很差，真正缺少的是經驗豐富的優秀醫生。過去醫療經驗的傳承主要是“師傅帶徒弟”的模式——一個主任醫師帶幾個學生，傳播的范圍和效率都很有限。假如我們利用結構化的醫療數據搭建一個醫療大數據平臺，讓經驗不足的醫生可以通過它學習專家的診斷經驗，培養更多的醫學人才，就能在一定程度上緩解國內醫療資源不足和不均衡的問題。我想這才是電子病歷語音轉錄更高層次的意義。
很多醫生在和雷鋒網交流時都提到，自己看到國外醫生使用語音錄入病歷時十分羨慕。武衛東也表示，電子病歷語音轉錄技術在國外確實更為普遍，但這種語音轉錄技術和今天略有不同。
“以前Nuance在印度有一個特別大的、面向全球醫生的人工坐席呼叫中心。申請了這項服務的醫生只需要隨身攜帶PAD并佩戴耳麥，和病人交流時語音就能傳到呼叫中心。呼叫中心通過語音識別技術將語音轉錄成文字，并由人工進行校對，醫生需要時就能直接查看。語音醫療呼叫中心曾經帶來的收入在Nuance的整體收入中的占比甚至超過了50%。”
武衛東認為，國內的電子病歷語音轉錄市場之所以一片空白，除了跟國內語音識別技術起步較晚有關，也跟醫療體系結構密不可分。
“在美國，每個家庭都有自己長期合作的診所和私人醫生，這些醫生通常是全科醫生。病人只要有任何身體上的不適都可以找他，醫生進行初步診斷后，再將病人轉給相應的專科醫院。醫院的病歷數據是相對公開的，可以跨醫院調取，這在中國的醫療體制下非常困難。另外，美國的商業醫保比較發達，醫院的數據對保險公司是公開的。中國是公費醫保，每個醫院都有自己的體系，不同體系之間相互隔離。在中國建立一個Nuance這樣的面向全國醫院的客服中心幾乎是不可能的。”
雖然國內現在也在積極學習國外的醫療體系結構，積極推動分級診療和醫聯體模式，但進展比較緩慢。這一方面是因為國內的醫療資源非常稀缺；另一方面，醫院之間的數據鏈路也很難打通。
“雖然醫生對語音錄入病歷的需求非常旺盛，但醫院還處在封閉、半封閉的狀態，沒有形成社會化的體系，項目必須一家醫院一家醫院去對接，推進速度非常緩慢。”武衛東向雷鋒網說道。
如今國內的智能語音市場可謂是群雄逐鹿，百度,阿里，科大訊飛等都在語音技術上投入巨大，實力雄厚。面對這些重量級的競爭對手，捷通華聲的靈云到底有哪些優勢？又該如何競爭呢？
武衛東表示，現在大多數語音識別公司采用的都是深度學習算法，各家在語音識別基礎算法的差距并不會特別大，在識別普通話和帶方言的普通話，準確率都差不多。而主要的差距在于數據的規模、歸集和行業化的定制。通常掌握的數據規模越大，加上資金和人力方面的優勢，可以做適應性更強的語音識別模型。捷通華聲在2013年就成立了清華靈云人工智能中心，與清華大學的教授團隊經過多年的合作，在機器學習和深度神經網絡算法方面奠定領先優勢，企業對行業應用有著的深入理解和大量實際數據的積累，因此在醫療行業的這個特定賽道上誰將勝出現在定論還為時尚早，但我們有信心在這個行業上成為人工智能應用發展的領頭羊。
靈云用于電子病歷語音轉錄模型訓練的數據主要有兩大來源：一是來自互聯網的大量醫學專業知識和文獻資料；二是醫生在真實工作場景中產生的數據，這是最關鍵的。
武衛東介紹道：“醫生在診療過程中的語言組織和表達都是相當專業規范的。醫生面對的是來自全國各地的病人，所以他們工作中基本使用的是普通話或帶口音的普通話，識別起來相對容易。利用互聯網上的數據初步訓練出模型之后，就可以投入醫院試用，在實際應用場景中進一步學習和優化。目前靈云已經和七八家醫院達成了合作，其中包括急救中心、燒傷專科、綜合醫院、部隊醫院等多種場景。”
電子病歷語音轉錄光有語音識別還不夠，必須結合具體的業務場景。醫生門診或查房時環境往往比較嘈雜，要求醫生必須在嘴邊佩戴一個麥克風。武衛東認為，這種方案雖然給醫生帶來了一些便利，但同時也造成了束縛。靈云的解決辦法是引入麥克風陣列技術，只記錄特定方向傳來的語音信息，從源頭上消除噪聲。醫生門診時只需要在桌上放置一個類似鼠標的設備，通過聲源定向、語音增強、降噪以及遠場識別等一系列核心技術，即可實現優秀的語音轉錄效果。
“醫院需要的是整套的業務系統，而不是單一的技術。”武衛東說道：“靈云是一個開放的全方位人工智能平臺，我們擁有四大能力——智能語音、智能圖像、智能語義、生物特征識別。”
對于醫院來說，OCR技術也非常重要。比如病人帶著A醫院的化驗單和診斷書去B醫院就診，這些資料在A醫院的系統都有電子備份，但B醫院是無法調取的，而這些信息又是非常有價值的。這時候B醫院就可以借助OCR技術將化驗單和診斷書讀取、識別并轉化成結構化的文本數據。
“我們并不是在一個點上和對手競爭，而是同時向醫院輸出多項能力。我們提供的是軟硬一體的解決方案，比如在語音轉錄方面我們有自己的靈云麥克，結合OCR應用我們推出了掃描儀和高拍儀整體應用解決方案。靈云并不是什么都做，而是將自己的優勢——語音識別和文字識別等技術，與上下游產業鏈的資源（比如北大方正的醫療管理系統）相結合，形成獨特的生態優勢。”武衛東說道。
武衛東坦言，雖然電子病歷語音轉錄技術確實能給醫生帶來便利，但目前還處于市場培育階段。醫院還在邊考察邊適應，只在某些科室進行了示范性的應用，并沒有全面推廣。另外，技術本身也需要進一步優化。
醫生對電子病歷語音轉錄技術仍然有一些不滿的地方：一是改變了他原有的工作習慣，現在醫生查房都需要攜帶一個PAD，但醫院的WiFi信號可能并不總是穩定的，會給醫生造成一些不便；二是使用方法略為繁瑣，使用前需要進行設置；三是語音轉錄之后醫生還要一定時間進行校正修改，文本后處理技術還需要完善。
除了電子病歷語音轉錄，語音技術在醫院還有很多落地場景。比如很多年前就已經在醫院大規模應用的語音叫號；再比如智能語音導診，通過語音控制燈光開關，設置醫療器械參數等等。武衛東認為，語音技術在這些場景的落地應用相對容易些。
“我相信語音轉錄病歷未來的發展會非常迅速，但目前還處于市場培育階段。單個醫院在語音轉錄方面的投入大約在100-200萬，不包括大數據分析。大數據分析大家談論得比較多，但現階段還多為概念，并非一兩年內就能實現的，這片市場未來市場規模很大，我相信億級規模是一定有的。”
武衛東表示，捷通華聲剛剛進入電子病歷語音轉錄市場，這個市場僅僅剛剛開始，還未形成規模。捷通華聲的策略是先在醫院里做一些標桿性的應用方案，先把技術打磨好。等這項技術真正開始大規模應用時，再聯合上下游的合作伙伴，以技術打包的形式向醫院推廣。
他認為，語音轉錄病歷會先從大型醫院開始推廣，同時在部分私營醫院試點，私營醫院在引進新技術，提升智能化管理水平和綜合實力的需求比較積極。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
