攝影/王若樸
日前(7/12),臺大醫院揭露生成式AI於病歷管理應用的實戰經驗,包括調校大型語言模型(LLM)來提高國際疾病分類編碼ICD-10預測準確率,以及運用LLM,來協助判斷病理部診斷關鍵字內容與SNOMED CT編碼。他們也透露病管應用下一步,目前正嘗試以AI強化病歷審查,來在符合資安法規的前提下,輔助醫療人員進行病歷資料彙整與摘要。同時,他們也在打造一套視覺化病歷系統,要透過時間軸和顏色、標記和視覺化等元素,來幫助醫護快速掌握病患醫療歷程。
病歷是醫療研究的重要基礎
臺大醫院病歷資訊管理室日前迎來70周年,意味著早在1954年,臺大醫院就成立病歷室來管理病人資料。臺大醫院院長吳明賢指出,病歷不只記載病人在醫院的狀態,還是教學、研究的重要基礎,更是發展醫療AI的重要元素。比如臺大醫院運用自家去識別化的病歷資料和健保資料庫,打造出獲美國FDA突破性醫材許可和臺灣TFDA智慧醫材認證的胰臟癌預測AI。
而病歷本身,還能透過AI技術來優化,比如利用LLM來進行國際疾病分類編碼ICD-10的預測。這種用生成式AI來提高疾病分類編碼填寫準確度的作法,也是國際應用趨勢。
智慧疾病分類編碼成國際趨勢,新技術帶給疾分人員新機會
這是因為,ICD-10共有十幾萬個編碼,包含ICD-10-CM的7萬2千多個與ICD-10-PCS的8萬7千多個,還隨著新藥、新療法出現時而更版。因此對醫院疾病分類專員而言,找出正確的編碼並不容易,常常得花上大量時間核對病歷、出院病摘、手術紀錄等文件。
臺大醫院病歷資訊管理室主任莊秋華也指出,在國際趨勢上,美國就預測疾病分類工作量將增加。尤其美國勞工統計局(BLS)數據顯示,2020年至2030年,醫療記錄和健康資訊專家(含醫療編碼)的工作量將增加9%,但透過新技術輔助,則能提高編碼準確性、減少人為錯誤。此外,醫院專門處理疾病分類的人員,也能透過AI生成的編碼,作為交叉稽核參考。
而AI在疾病分類應用的演變,也從早期規則式推進到傳統機器學習,再到近年以類神經網路為基礎的AI運算,其任務定義也從早期的字串比對檢索,演進到語意相似度搜尋和近年的多標籤分類任務。
這些AI技術的興起,也帶給疾病分類人員新機會,比如可協助醫院評估、選擇和部署合適的編碼生成式AI或LLM,或是與IT部門合作,來根據新發布的編碼指引和參考文獻更新LLM應用。
以LLM優化ICD-10編碼預測準確率,還可用於病理報告欄位內容預測
臺大醫院在這波國際趨勢中,也累積了LLM優化疾病分類編碼預測的實戰經驗。
進一步來說,該團隊由臺大醫院醫務秘書陳信希領軍、莊秋華擔任計畫主持人,在2022年就利用去識別化的病歷資料和就醫紀錄資訊,來訓練類神經網路、打造出本地端AI疾分編碼系統,並在該年3月於臺大醫療體系上線,提高編碼準確率的同時,還節省了14%的人力工時。
後來,隨著LLM技術和資源的普及,團隊也以自家資料調校開源LLM,如Llama 3、Vicuna和Zephyr,讓模型學會主診斷碼預測和全碼預測,並在去年11月上線新版系統(如下圖)。新版不僅能在1秒產生住院病人的ICD-10-CM/PCS編碼(包含診斷碼與處置碼),效能還比先前模型版本要好,尤其全碼預測準確率86.67%、主診斷碼預測準確率達82%,並在臺大醫院全體系上線,還授權一家醫學中心使用。
團隊也透過周期性模型更新,來修正預測結果,讓模型能準確預測新興疾病、新醫療技術或其他困難疾病等編碼。這款應用,在臺大醫院獲得了95%的滿意度。
除了ICD-10預測應用,臺大醫院也將LLM用於病理部系統的欄位內容預測和SNOMED CT臨床醫學術語編碼預測。他們訓練幾款開源LLM,讓模型根據病理部檢驗報告內容,產出器官、方法、診斷等欄位內容與相對應的SNOMED CT編碼。其中,Zephyr-7B-alpha單獨量化的表現最好,器官部分準確率可達94%、方法為89%、診斷內容則是87%。(如下圖)
下一步瞄準AI病歷審查、可視化病歷與國際標準導入
談及病理管理的未來,莊秋華指出,生成式AI於病歷的應用,不外乎分為4大領域,包括方便撰寫、快速查閱、精準分析和安全釋出,臺大醫院在這些面向也有所著墨。舉例來說,在提高撰寫便利部分,除了ICD-10編碼預測外,團隊目前正嘗試用生成式AI,來強化病歷審查,要在符合資安的前提下,輔助醫師或醫事人員進行病歷資料彙整或摘要,節省撰寫病歷的時間。
另一個例子是,為方便醫護人員快速查閱資料,臺大醫院自去年開始打造一款視覺化病歷系統,要透過時間軸和顏色、空間、歸類、標記等元素,來讓醫護人員快速、循序地掌握病人病史和就醫歷程。(如下圖)
不只如此,身兼臺灣病歷資訊管理學會理事長的莊秋華更點出,鑑於衛福部近年來力推次世代數位醫療平臺計畫,病管學會也主動出擊、承接了該計畫細項,來建立國內健保檢驗項目與LOINC檢驗碼的對應資料,並探索導入SNOMED CT的可行性。他們將與相關學會和醫院合作,來培訓醫院人員、舉辦研討會加以推廣,好在符合臺灣醫療場景需求的同時,接軌國際病歷管理實作方法。
熱門新聞
2024-11-12
2024-11-10
2024-11-10
2024-11-11
2024-11-13
2024-11-11