陳穎志博士 香港理工大學 醫療科技及資訊學系
2019-11-06
香港醫院管理局的電子病歷系統是世界上最大的綜合縱向病歷系統之一。電子病歷最常見的用途是為當前患者的臨床病史作縱向監察。由於主要用於獨立監察單一患者病情，電子病歷數據庫仍然是一個尚未被充分利用的寶貴資源。數據庫包含了各種有代表性的病例，包括那些已完全康復，預後良好，醫療失誤或治療無效的個案，可以作為醫護人員進行診斷和計劃治療方案的參考。
搜索引擎 Google 在搜索互聯網內容方面取得重大的成功，它已經成為我們日常生活中及學習上的重要資訊來源之一。研究人員利用類似的資訊搜索算法，開發了電子病歷搜索引擎，用於檢索相關的病歷記錄用作研究數據，統計分析和製作回顧性圖表。
一般的搜索引擎以簡單字符的匹配作為尋找相關文件的條件，但是不能夠針對一籃子有系統的和有關聯性的醫學概念，包括身體部位，疾病，療法和病變，去搜尋在臨床意義上相關的病例。所以基於匹配簡單字符的搜索引擎在臨床應用上的價值不大。相反，利用標準臨床術語來編制病歷，可以客觀地和有系統地量化病歷之間的相似度。以此方法來搜索相似病歷，更合符臨床決策的要求。
以下例子演繹怎樣利用標準臨床術語來進行相似病歷檢索。
圖片資料來源:請檢視文章結尾內容
當前病例中，患者是女性，年齡 50，已確定患有糖尿病(非胰島素依賴)，蛀牙，牙齦炎，支氣管炎和胸痛。根據國際標準「醫學術語系統命名法 – 臨床術語」（Systematized Nomenclature of Medicine – Clinical Terms, SNOMED-CT），這些臨床術語擁有對應的唯一編碼。SNOMED-CT 更以分類方法，定義了術語之間的關係。
當此病例提供到搜索引擎，算法就會根據這些術語間的關係來計算當前病歷跟數據庫內每一個病歷記錄的相似度。根據相似度得分排序後，我们就可以得出最相似的病歷，成為最佳搜尋結果。相似度得分綜合了兩個病歷之間所有臨床術語的關聯性。例如，當前病歷的牙齦炎和支氣管炎與最相似病歷的肩周炎和虹膜炎，於 SNOMED-CT 的定義中也屬於「特定身體結構或組織的炎症」。假若只利用匹配簡單字符方法，當前病歷和最相似病歷只有兩個匹配的字符：性別和糖尿病(非胰島素依賴)，代表著匹配簡單字符方法無法得出這最佳搜尋結果。
這個最相似病例巳確認頸動脈粥樣硬化，這意味著當前病例很有可能患有相同的糖尿病並發症，並且心血管疾病風險較高。動脈粥樣硬化是心血管疾病的主要原因。美國心臟協會報告指出，在死于冠心病的患者中，有50％的男性和64％的女性沒有觀察到任何前期症狀（Lloyd-Jones et al.，2009）。因此，臨床決策需要一種搜索引擎，它可以從電子病歷系統中檢索類似的病例，以提供具體的證據來評估無前期症狀患者的疾病風險，例如心血管疾病風險。
統計數字及圖片來自以下期刊論文:
Chan LWC, Liu Y, Shyu CR, Benzie IFF. A SNOMED supported ontological vector model for subclinical disorder detection using EHR similarity. Engineering Applications of Artificial Intelligence 24:1398-1409, 2011.
Lloyd-Jones, D., Adams, R., Carnethon, M., Simone, G.E., Ferguson, T.B., Flegal, K., et al., 2009. Heart Disease and Stroke Statistics 2009 Update: a report from the American Heart Association Statistics Committee and Stroke Statistics Sub- committee. Circulation 119 (3), e21–e181.
香港理工大學醫療科技及資訊學系副教授
浙江大學核醫學與分子影像研究所客席教授
港澳抗癌協會常務理事
「健康及醫療人工智能」系列:
1.「健康及醫療人工智能」系列(1):人工智能於臨床和研究應用中的卓越特性
2.「健康及醫療人工智能」系列(2):人工智能基礎知識及醫學分析模型
3.「健康及醫療人工智能」系列(3):電子病歷搜索引擎
5.「健康及醫療人工智能」系列(5):搜索引擎輔助製定放射治療計劃
6.「健康及醫療人工智能」系列(6): 搜索類似放射治療計劃的算法
7.「健康及醫療人工智能」系列(7): 基於功能性磁力共振數據的神經元連接模型
8.「健康及醫療人工智能」系列(8): 使用遺傳算法和GPU改善神經元連接模型
