麻省理工学院与贝斯以色列女执事医疗中心的研究人员正在运用机器学习和人机交互技术，打造一款名为MedKnowts的电子健康档案（EHR）。
这是一个将查阅病历与记录患者信息的过程整合到单一交互界面中的系统。
人们希望这项技术能够得到更广泛的应用并进一步发展，从而提升患者护理质量。
电子健康档案已被广泛采用，人们期望它能节省时间并提升患者护理质量。然而，由于界面分散且数据录入流程繁琐，医生往往花在操作这些系统上的时间，比与患者交流的时间还多。
麻省理工学院与贝斯以色列女执事医疗中心的研究人员正在结合机器学习和人机交互技术，打造更好的电子健康档案（EHR）。他们开发了MedKnowts，这是一个将查阅病历与记录患者信息的流程统一到单一交互界面中的系统。
这款“智能”电子健康档案由人工智能驱动，可在临床医生需要时自动显示为特定患者定制的病历。MedKnowts还提供临床术语自动补全功能，并自动填充患者信息字段，帮助医生更高效地工作。
“在电子健康档案的早期阶段，人们极为热衷于将所有这些信息整理起来，认为这有助于追踪账单记录、向政府报告统计数据，并为科学研究提供数据。但很少有人停下来深入思考，这些档案对临床医生是否真正有用。我认为，许多临床医生觉得，电子健康档案给他们带来了一种负担，而这种负担是为了官僚机构、科学家和会计人员的利益而强加给他们的。我们启动这个项目时，思考的是电子健康档案究竟如何才能真正让临床医生受益，”麻省理工学院计算机科学与人工智能实验室（CSAIL）计算机科学教授、该论文的资深作者大卫·卡格（David Karger）说。
该研究由CSAIL研究生Luke Murray（第一作者）、Divya Gopinath和Monica Agrawal共同撰写。其他作者包括Steven Horng，他是急诊医学主治医师，也是贝斯以色列女执事医疗中心医疗服务交付科学中心的机器学习临床负责人；以及David Sontag，他是麻省理工学院电气工程与计算机科学副教授，也是CSAIL和医学工程与科学研究所的成员，同时担任阿卜杜勒·拉蒂夫·贾米尔健康机器学习诊所的首席研究员。该论文将于下个月在美国计算机协会用户界面软件与技术研讨会上发表。
以问题为导向的工具
为了设计一款能够惠及医生的电子健康档案，研究人员必须像医生一样思考。
他们打造了一款带有侧边栏的笔记编辑器，侧边栏会显示患者病史中的相关信息。这些历史信息以卡片的形式呈现，每张卡片聚焦于特定的问题或概念。
例如，当临床医生输入文本时，如果MedKnowts识别出其中的临床术语“糖尿病”，系统就会自动显示一张“糖尿病卡片”，其中包含与糖尿病治疗相关的药物、实验室检查值以及过往记录片段。
Murray表示，大多数电子健康档案将历史信息存放在不同页面中，并按字母或时间顺序列出药物或实验室检查值，迫使临床医生在数据中反复搜索，才能找到所需信息。MedKnowts只显示与临床医生正在记录的特定概念相关的信息。
“这更符合医生思考信息的方式。很多时候，医生会下意识地这样做。他们会浏览用药页面，只关注与当前病情相关的药物。我们正在帮助自动完成这一过程，希望能将一些事务从医生的脑海中移出，让他们有更多时间思考更复杂的部分，即判断患者的病因并制定治疗方案，”Murray说。
称为“标签”（chips）的交互式文本片段充当相关卡片的链接。医生输入笔记时，自动补全系统会识别药物、实验室检查值或病症等临床术语，并将其转化为标签。每个标签都以单词或短语的形式显示，并根据其类别以特定颜色突出显示（红色代表疾病，绿色代表药物，黄色代表操作或手术等）。
通过使用自动补全功能，无需医生额外付出任何努力，即可收集患者病情、症状和用药情况的结构化数据。
Sontag表示，他希望这一进展将“改变大规模健康数据集的构建范式，用于研究疾病进展以及评估治疗在现实世界中的有效性。”
实际应用
经过为期一年的迭代设计过程，研究人员在波士顿的贝斯以色列女执事医疗中心急诊科部署该软件，对MedKnowts进行了测试。他们与一名急诊医生以及四名负责将笔记录入电子健康档案的医院记录员合作。
Agrawal表示，在急诊科这样医生需要在高压环境中工作的地方部署该软件，需要进行精细的平衡。
“我们面临的最大挑战之一，是设法让人们改变目前的工作方式。那些长期使用同一系统、反复进行相同点击操作的医生，已经形成了一种肌肉记忆。每当你要做出改变时，都会有一个问题：这样做值得吗？我们确实发现，有些功能的使用率远高于其他功能，”她说。
新冠肺炎疫情也使部署工作变得更加复杂。研究人员此前曾前往急诊科了解工作流程，但由于新冠疫情，他们被迫中止了这些访问，并且在系统部署期间无法进入医院。
尽管存在这些最初的挑战，在为期一个月的部署过程中，MedKnowts仍受到记录员的欢迎。他们给该系统的可用性平均打出了83.75分（满分100分）。
据调查结果显示，记录员发现自动补全功能对加快工作速度尤其有用。此外，颜色编码的标签也帮助他们快速浏览笔记，查找相关信息。
这些初步结果令人鼓舞，但研究人员在考虑反馈意见并推进MedKnowts的后续迭代版本时，计划谨慎行事。
“我们在这里要做的，是为医生铺平道路，让他们能够加速工作。这其中存在一定风险。官僚体制的部分目的，就是放慢节奏，确保每个细节都得到核查。而如果由计算机替医生核查每个细节，这实际上可能会与官僚体制的目标背道而驰，因为官僚体制的目标是迫使医生在做出决定前三思。我们必须思考，如何保护医生和患者，使其免受让医生效率更高所带来的后果，”Karger说。
更长远的愿景
Agrawal表示，研究人员计划改进驱动MedKnowts的机器学习算法，使系统能够更有效地突出显示病历中最相关的部分。
他们还希望考虑不同医疗用户的需求。研究人员在设计MedKnowts时，考虑的是急诊科这一场景，在这种场景下，医生通常是首次接诊患者。而对于更了解自己患者的初级保健医生而言，其需求很可能会有所不同。
从长远来看，研究人员设想打造一个可自我调整的系统，临床医生可以为其贡献力量。例如，某位医生可能发现MedKnowts中缺少某个心脏病学术语，于是将该信息添加到一张卡片中，从而为所有用户更新系统。
该团队正在探索商业化，以作为进一步推广部署的途径。
“我们希望打造让医生能够创建自己工具的工具。我们并不指望医生学会编程，但在适当的支持下，他们或许能够根据自身需求和偏好，从根本上定制所使用的任何医疗应用，”Karger说。
这项研究由麻省理工学院阿卜杜勒·拉蒂夫·贾米尔健康机器学习诊所资助。
