Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

奇点机智Naturali

「邦大夫」新一代医患 AI 对话系统,重新定义医患对话

有效缓解「排队三小时,看病三分钟」

“排队三小时,看病三分钟”,相信很多患者经历过看病”三长一短”的困境(挂号、候诊、取药时间长,就诊时间短)。我国日均门诊量2000余万人次,并且绝大部分患者都拥挤在三级医院,有限的医疗资源导致就医体验差、医患关系紧张、看病难等社会性问题。

2018年12月15日,在北京大学举办的世中联中医药大数据产业分会成立大会暨首届世中联中医药大数据发展论坛上,”邦大夫”医患AI对话系统正式发布,这也是国内首次推出面向中医领域的医患AI对话系统

该系统是由北京大数据研究院中医大数据中心联手国内顶尖的语音对话交互解决方案服务商——奇点机智联合推出,奇点机智利用自主研发的语音对话平台”对话流”,与中医大数据中心孵化企业北京大医象宇所研发基于大数据的症状推理引擎深度融合,可有效代替医生完成问诊流程。

世中联中医药大数据产业分会成立大会中首次介绍”邦大夫”

据推测,如果”邦大夫”全面使用,将为全国每年创造数十亿分钟的医患沟通时间。

在中医诊疗时,”望闻问切”四大基本要素中,仅”问”一项就占据接诊流程中约70%的时间。基于语音识别自然语言处理(NLP)、深度学习等前沿AI技术以及中医临床诊疗大数据所构建千万级的中医领域知识图谱,”邦大夫”通过对话交互的形式,利用AI赋能预问诊、分诊导诊、互联网复诊、健康咨询全流程。

“邦大夫”能够在接诊前自动帮助医生采集患者信息、识别主诉症状及相关伴随症状、既往病史、个人史等信息,进而生成结构化问诊电子病历,可为患者智能匹配适合的科室医生,并在诊后阶段帮助医生进行互联网复诊与随访跟踪,打造从诊前到诊后的完整闭环,并在以下几个方面,解决医患双方效率和体验上的痛点。

增加医患沟通时间,提高门诊效率

“邦大夫”能够植入到医院的网站、APP、微信公众号、服务号、小程序中,并与医院现有电子病历系统进行连接,在患者就医前,通过语音或文本进行人机对话交互,将主诉、病史、用药史、过敏史等信息进行智能采集。”邦大夫”会根据患者提供的信息,自动询问,采集足够全面的问诊信息,自动生成结构化电子病历并导入医院系统中。

在医生接诊过程中,能够提前查看通过”邦大夫”生成的结构化问诊病历,从而免去了一边问诊一边手工录入电子病历的流程。在已有信息的基础上,医生可以有针对性地进行补充问诊,再进行”望闻切诊”,这样不仅能够增加医生与患者的有效沟通时间,提高门诊效率,患者的就医体验也能得到优化。

当下,诊后环节的医患沟通几乎为零。患者若想跟医生进行后续沟通,只能通过复诊与医生面对面,而”邦大夫”的出现打破了这一现状。患者结束门诊诊疗后,”邦大夫”的患者回访机器人能够定时跟踪患者遵医嘱情况和预后状况,并反馈给医生,方便医生对患者后续状态进行跟踪,及时干预,管理病人的病程全周期。

AI 语音技术突破,深度理解患者

医疗问诊会涉及大量专业医疗词汇,而患者的描述大多是口语化、生活化、多样化的。”邦大夫”依托”对话流”平台,利用领先的自然语言处理NLP技术,以中医大数据为基础,能够将患者口语化的表达,转化为标准化的中医医学术语。

另外,来自全国各地的患者或多或少会带有地方口音或是普通话不标准,在用户选择语音输入时,通过语音识别技术,不仅仅要能”听清”患者的表达,也能够”听懂、理解”患者。

问诊程序化,降低医疗差错

在病情尚不明朗,化验检查还没做,尤其遇到不能主诉病情或配合检查的病人时,若想在尽可能短的时间内,问出医生想要的、真实的信息,为进一步检查提供思路,必须要有一个合理的程序化问诊方法,并且做到言简意赅。 而目前大医院门诊中,医生往往没有足够的时间询问患者病情,直接开检查检验申请和处方,出现误诊漏诊在所难免。

“邦大夫”通过多轮对话交互,引导患者描述症状及病情,问哪些内容、先问哪些、后问哪些,已经根据临床大数据提前设计到对话流程中,在规范问诊路径的同时,避免信息疏漏或医疗差错。例如,患者主诉为腹痛,系统不仅会收集年龄、性别等个人基本信息,还会引导患者描述出现的时间、疼痛的部位、性质、伴随的症状、诱因、既往病史等。

问诊场景中涉及多轮问答,对话逻辑复杂。”什么该问、什么不该问”,如何为AI系统植入医生般的逻辑大脑是”邦大夫”突破的技术难题。利用”对话流”平台,结合中医大数据中心孵化企业大医象宇研发的症状推理引擎,”邦大夫”实现了医疗问诊的复杂对话设计。数据库中的大型分支”决策树”,能够根据用户回答决定下一轮提问的内容,以最短路径算法,精准收集患者的症状,帮助医生缩小疾病范围。

推动智慧医院构建,加快医疗服务升级

在智慧医疗建设过程中,很多医院或医疗机构面临门诊电子病历数据不足、病历不智能、医生工作繁重不愿意录入等难题。而”邦大夫”能够通过对话交互生成结构化电子病例,推动医院在初诊、复诊、回访等环节的电子病历、电子健康档案构建,加快传统医疗服务的数字化升级。

“邦大夫”能够帮助医生和医疗机构从就诊——跟踪——复诊的全流程中,记录有效数据,既能帮助病人进行自我管理,又为临床医生提供了便捷的医患交流通道和可信的数据源。通过收集患者大数据建立电子健康档案,同样能够辅助医生进行医学科研。医学科研反哺临床诊疗,能帮助医生制定更合理的诊疗方案。

“邦大夫”能够灵活植入到医院现有的系统中,医院可以根据不同的问诊需求,在”对话流”后台中进行对话设计和调整,无需编程,能够让医院或医疗机构轻松定制程序化问诊对话交互。

对话式AI,重新定义就医体验

根据2019年医疗健康产业趋势预判报告,到2019年底,人工智能在医疗保健IT应用市场上的价值将超过17亿美元。通过在选定的医疗保健工作流程中运营人工智能平台,生产率将在未来的2-3年内提升10-15%。

目前,”邦大夫”将上线各大国内中医院、中医机构,推动中医领域的技术和模式创新,重新定义AI 时代的就医体验。无论是技术创新还是模式创新,终将要达到三个目标:成本、质量、可及性,而”邦大夫”的引入借助AI降低了人力成本,提升了医患沟通质量及体验,使中医药造福更多的百姓。

未来,语音对话平台”对话流”将继续深耕医疗领域的对话场景,让更多人享受技术进步带来的就医体验。除了医疗垂直领域外,电商、金融、教育、企业内部服务、智能硬件等领域的企业都能够通过”对话流”自主定义对话式AI体验。

语音对话交互是未来”AI+医疗”的大势所趋,医疗机构或平台中AI的应用将不再仅是喊口号或评级标准,而是让亿万患者真正享受到更优质就医体验的落地产品,提高医患互动沟通效率,释放医疗专家的宝贵时间,对缓解优质医疗资源紧张的局面、缓解”看病难”将发挥重要作用。

Naturali 奇点机智
Naturali 奇点机智

致力于让企业轻松创建语音交互体验,让对话与服务有效连接。语音对话平台“对话流”由奇点机智自主研发,利用其领先的语音识别、NLP、深度学习技术,为企业提供智能语音对话解决方案。

产业对话系统邦大夫语音识别自然语言处理深度学习知识图谱
相关数据
奇点机智机构

奇点机智成立于2014年11月,致力于通过机器智能改善用户体验,让人机交互更加简单自然。“小不点”是由奇点机智为安卓系统打造的智能应用助理,用户可通过对话的方式操控手机应用中的各项功能,目前可对200多款应用程序进行操作。“就一句话的事”,即可满足社交、娱乐、购物、支付、出行等需求。另外,用户可以根据个性化需求录制新技能,并可发布分享给其他用户,让“小不点”越用越智能。此外,奇点机智同时为应用开发者、运营者、产品者提供NI开发者平台,无需编码或调用第三方应用API,即可根据用户需求添加语音指令,极大提升产品体验。奇点机智曾获真格基金100万美元天使轮投资,以及襄禾资本/NEA 500万美元A轮投资;于2017年11月被评为“中关村高新技术企业”。

深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

知识图谱技术

知识图谱本质上是语义网络,是一种基于图的数据结构,由节点(Point)和边(Edge)组成。在知识图谱里,每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲,知识图谱就是把所有不同种类的信息(Heterogeneous Information)连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。 知识图谱这个概念最早由Google提出,主要是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎,知识图谱可用来更好地查询复杂的关联信息,从语义层面理解用户意图,改进搜索质量。比如在Google的搜索框里输入Bill Gates的时候,搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月,家庭情况等等。

数据库技术

数据库,简而言之可视为电子化的文件柜——存储电子文件的处所,用户可以对文件中的数据运行新增、截取、更新、删除等操作。 所谓“数据库”系以一定方式储存在一起、能予多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。

逻辑技术

人工智能领域用逻辑来理解智能推理问题;它可以提供用于分析编程语言的技术,也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑(Propositional Logic )以及一阶逻辑(FOL)等谓词逻辑。

大数据技术技术

大数据,又称为巨量资料,指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

对话系统技术

对话系统大致被分成两类: 任务为导向的对话系统,帮助用户去完成特定任务,比如找商品,订住宿,订餐厅等。实现任务为导向的对话系统,主要有两类方式,流水线方法和端到端方法。非任务导向的对话系统,与用户进行互动并提供回答,简单的说,就是在开放领域的闲聊。实现非任务导向对话系统也主要可分为两类,生成方法和基于检索的方法。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

推理引擎技术

推理机是实施问题求解的核心执行机构,常见于专家系统。它是对知识进行解释的程序,根据知识的语义,对按一定策略找到的知识进行解释执行,并把结果记录到动态库的适当空间中去。

推荐文章
暂无评论
暂无评论~