奇点机智Naturali

排队三小时,看病三分钟,AI 能帮忙吗? 

欢迎来到AI+医疗的时代。

卫生部调查数据显示,中国约有近半居民有病不就医。

“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。

很多患者不知道该去哪家医院看病,即使去了正确的医院也容易晕头转向,找不到合适的科室医生,即使能找到合适的医生,有效的沟通时间也非常有限。

AI医疗虚拟助手的出现缓解了这个问题。利用语音识别自然语言处理技术,将患者对自己病症的描述与标准医学知识库进行对比,从而完成预问诊、分诊导诊、互联网复诊、健康咨询等服务。24x7在线,通过对话交互的形式,无论在“诊前”、“诊中”、“诊后”阶段,都能提升就医体验和效率。

医院可以借助语音AI对话交互平台,创建医疗虚拟助手,并植入到医院或医疗机构的挂号/门诊管理系统中,患者即可通过相关平台的网站、APP、公众号/服务号、小程序等进行对话交互,获取服务信息。

诊前

虚拟助手可以进行预问诊、采集患者信息,推荐相关专科医院及医生,并有效引导患者挂号、分诊、进行科室路线引导。在患者候诊期前,虚拟助手能够基于语音识别自然语言处理(NLP)、深度学习等前沿AI技术以及临床诊疗大数据所构建的医疗领域知识图谱,将患者主诉、病史、用药史、过敏史等信息进行智能采集,进而生成规范、详细的门诊电子病历及初步诊断报告,提前推送给医生。

患者若只是稍感不适,也可以通过虚拟助手在手机或PC端进行健康咨询以及“自我诊断”,通过症状、病史等描述获取轻问诊服务和用药指导以供参考。如果问题得到解决,可能就不再需要去医院诊疗。

例如,微软的Health Bot能够用症状检查器对患者病况进行分类,对患者的问题进行解答,并协助帮助患者查找距离最近的医生。IBM的沃森机器人或医疗助理Ada,都是以虚拟护士的身份,为患者提供所需的医疗信息或进行初步诊断。

诊中

在问诊期间,医生能够提前查看通过医疗虚拟助手采集的结构化问诊病历,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,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。

另外,智能问诊可以起到辅助医生诊断的作用,根据患者提供的信息进行交叉分析,以协助医生筛查常见病,做出初步诊断。

此外,利用领先的语音识别技术,语音电子病例语音能得到了广泛应用,甚至在今年被列入三甲医院评级的考核指标。智能语音录入可以解放医生的双手,将医生口述的内容转写文字,形成结构化的电子病历。

例如,语音国际巨头Nuance的医疗虚拟助手具有会话式AI功能,医生可以通过语音对话的形式进行检索及录入患者信息。据统计,每分钟的语音录入文字量是打字录入量的四倍,可见医生的工作效率能得到大幅提升。

诊后

诊后阶段,虚拟助手可以对患者进行回访以及参与满意度调查,推送治疗后注意事项、医嘱事项、复查提醒等。对于患者来说,能够获取额外信息,并且起到辅助提醒的作用;而医生能够对患者的后续状态进行跟踪,建立电子健康档案,生成大数据,辅助医生进行医学科研,医患双方效率和体验都能得到提升。

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,而像“邦大夫”这类医患AI对话系统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。

小结

语音对话交互是未来“AI+医疗”的大势所趋。AI虚拟助手能够很大程度上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,用AI对话交互打通从诊前到诊后的完整闭环,“看病难”的问题也许就没那么难了。

欢迎来到AI+医疗的时代。

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。

产业医疗语音交互自然语言处理语音识别
相关数据
Microsoft机构

微软是美国一家跨国计算机科技公司,以研发、制造、授权和提供广泛的计算机软件服务为主。总部位于美国华盛顿州的雷德蒙德,最为著名和畅销的产品为Microsoft Windows操作系统和Microsoft Office办公室软件,以及Xbox的游戏业务。微软是美国《财富》杂志2015年评选的世界500强企业排行榜中的第95名。

https://www.microsoft.com/en-us/about
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。

知识库技术

知识库是用于知识管理的一种特殊的数据库,以便于有关领域知识的采集、整理以及提取。知识库中的知识源于领域专家,它是求解问题所需领域知识的集合,包括基本事实、规则和其它有关信息。

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。

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。

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。

推荐文章
暂无评论
暂无评论~