在上一篇《五大维度详解电子病历，其标准化程度是人工智能和医疗大数据落地的基石！》文章中，动脉网重点分析了目前电子病历的5大标准化规范。本篇文章，我们将对目前国内知名的医疗大数据和AI企业围绕电子病历的创新应用进行梳理。从市场情况来看，目前电子病历在临床中的使用主要有这6大难题：1、电子病历系统难以满足病种专业化需求，特别是医生在重大疾病领域对临床数据的个性化需求。2、电子病历操作繁琐，医生在录入数据时，难免会出现倦怠，这样一来，录入的数据的真实性就会大打折扣。3、电子病历数据的互联互通。这包含两个方面，一是医院内部电子病历与其它HIS等系统的结合。第二是政府级的区域共享平台，它的任务主要是数据的抓取和医院之间的信息互联互通。在这两个过程中，需要通过更加先进和完备的技术，保证数据存储和共享的安全性。4、医院内基于电子病历部署大数据平台，应用于科研或临床，需要让每家医院每款软件背后的软件公司开放数据接口。但企业往往漫天要价、消极配合、一拖再拖。如果没有一个有效的平台集中存储大规模多源异构的医疗数据，数据的挖掘就只能手工作坊式地进行。5、由于过去医生在使用电子病历时缺乏数据结构化录入，更多是用文字的形式记录下来，八股文较多。就像在word里写记录报告，医院过往的电子病历中留存着大段的自然段落。这让医院的质控、数据利用等方面存在困难。所以，如何将这些存量数据进行准确地结构化处理，是现阶段的一大难题。6、基层全科医生由于经验缺乏，时常出现造成误诊、漏诊，进而造成严重的医患危机。而目前大医院的电子病历的临床诊疗相关价值尚未被系统性挖掘出来。再加上大医院医生的忙碌，很难真正将先进的诊疗经验带到基层。因此，基于大医院电子病历数据的临床辅助决策系统成了未来的发展方向。正是由于这些难题存在，所以才给一些新型的AI和大数据公司带来了发展机会。根据动脉网的观察，目前它们普遍在以下6个场景开展服务：1、病种专业化平台2、智能语音录入3、区块链技术4、多源异构数据挖掘5、自然语言识别6、临床决策支持1、病种专业化平台，医疗大数据的源头创新——博识医疗云以博识医疗云在胸外科的表单为例，其最复杂的表单字段数超过2700个。这意味着，医生在使用这套表单时可选择关注的数据维度超过2700个。在技术和产品上要实现，需要团队与使用者进行长期、深度地需求分析与沟通合作。之所以博识医疗云会涉及如此多的维度，是因为在临床领域，大数据和小数据的地位其实同等重要。特殊数据案例在统计学上被称为离群值，是因为它影响到了大数据的统计计算而被剔除。但从科研角度来说，单个特殊病例具有特殊意义，它对医生了解特殊个体从而发展出创新的思路和方法具有很大的临床研究价值。只有将患者数据做到病种专业化甚至科室和医生个性化，才有可能同时关注到大数据和小数据。其次，基于对病种专业化的支持，博识医疗云能够实现几十家医院、几百位医生上千份病历的MDT。不同科室、不同医生、不同病历表单之间的交叉验证互补，从不同的维度，让MDT的价值实现最大化。另外，人工智能的开发基础和长期优化需要高质、持续的数据。传统HIS系统里的数据，由于其历史因素造成的数据质量和维度的不足，使得利用这些数据训练出来的AI在准确度和泛用性上很难真正应用于临床。因此，只有保证原始数据的专业化质量、结构化整合，及多样化维度，才能让未来开发具有真实性和准确性的人工智能变得可能。博识医疗云已经在这个方向上深度布局，并将通过与中科院数据科学中心合作的医疗大数据联合实验室推出数个重大专科疾病的智能辅助诊断平台。目前，博识医疗云已经覆盖了几乎全部重大疾病领域，包括：肿瘤、血液、骨科、神经内科、神经外科、精神科、呼吸系统疾病等。在全国400余家三甲医院的超过3000个临床科室实现了落地应用，其中肿瘤（含血液肿瘤）相关科室超过1400个。2、智能语音录入，解放医生双手——云知声为了可以精准识别，云知声还为医院做了深度定制，深度定制的医疗语音识别模型根据不同科室、不同病种的整段病历资料，运算出关键词句语料，为40多个临床和医技科室提供分场景支持。尤其在神经科、免疫内科、血液科、普通内科等疑难杂症患者多的科室应用效果好，目前这个语音识别准确率达到95%以上，个别科室的语音识别率甚至超过98%，同时辅助以云端语义校正技术，整体识别率接近100%。医生通过语音录入方式不仅提高了工作效率的同时，语音录入还能有效避免复制粘贴操作，规范病历输入，增加病历输入安全性。目前，这个系统可以有效节省医生超过38%的时间。自从面向医疗的整体方案推出以来，云知声已经在全国20多家有代表性的大型综合三甲医院正式上线使用，这些医院分布在华中、华北、华南、西部等地，其中包括北京协和医院，北大人民医院，第四军医大学西京医院，香港大学深圳