医学知识平台建设是电子病历智能化建设的核心，全院级别的医院知识库构建涵盖内容广泛，包含用药、检验、检查、手术、输血及护理等多个业务场景。江苏省人民医院利用知识图谱和规则引擎两类核心技术构建医院知识管理平台，实现知识型知识库和非知识型知识库的融合，并将临床诊疗规则嵌入到信息系统，供不同的应用场景和应用系统灵活调用。最终形成多维知识库，实现全院统一的信息集成，为各部门提供集成展示和决策支持，在临床诊疗和医院管理各个环节实现实时数据核查、提示与管控。

糖尿病药物治疗策略制定需要专业,规范化的指导,但目前临床实际远不能满足患者的需要,人工智能(artificial intelligence,AI)技术的发展可能成为解决的出路.目前人工智能在糖尿病药物治疗策略制定的应用可以分为在口服药物及胰岛素治疗中的尝试,相对于AI在胰岛素闭环控制系统较为成熟的应用,在辅助口服糖尿病药物策略制定的研究相对滞后.目前AI在糖尿病药物策略制定的应用仍属于起步阶段,要在专家知识库的积累、医疗与智能技术深度合作,后期的临床实践检验等方面有待进一步完善,但AI的发展潮流不可阻挡.

目的 通过分析宫颈癌出院患者费用成本,找出影响成本的公因子,为控制疾病成本提供依据.方法 以主要诊断编码(ICD-10)类目包含C53且有手术或治疗性操作为纳入标准.从医院HIS信息系统调取2016年-2018年宫颈癌相关住院病案首页费用信息共计166份.假设检验采用方差分析,采用SPSS19.0统计软件包进行因子分析.结果 住院总费用增加且差异具有统计学意义(P<0.05),其中平均住院费用2016年21014.03元、2017年23624.94元、2018年26011.20元.临床治疗活动因子、检查活动因子、辅助治疗因子、其他影响因子是宫颈癌病种住院费用的4个主要支配因子.结论 构建按病种付费制度、合理降低诊断费用、辅助用药及建立临床诊疗知识库,是控制宫颈癌患者医疗费用不合理增长的主要方法.

目的:结合人工智能技术构建临床辅助决策系统,达到减轻医护人员日常工作负担,减少误诊、漏诊,提高诊疗质量的目的.方法:基于人工智能的关键技术和多元海量医疗数据,开发与医生工作站深度融合的具有诊断推荐、检查检验推荐、治疗方案推荐及智能提醒的智能交互系统.结果:实现智能感知诊疗过程,减轻医生的工作强度,提高工作效率与质量.结论:根据各个病种的不同,构建基于多元数据的知识库,提供操作便捷、精准高效的辅助决策工具,为医生提供知识服务,提高医疗效率,创新医疗模式.

目的 总结癌痛规范化治疗示范医院创建的经验,进一步促进癌痛规范化治疗.方法 临床药师通过在合理用药系统和创业临床知识库系统中搭建癌痛用药规则体系,借助审方中心,阻止不合理医嘱行为,从而规范镇痛药物的使用,提高患者用药安全.此外,临床药师定期对麻醉第一类精神药品处方及住院癌痛病历进行点评和动态分析,以点评结果检验系统规则拦截的有效性,不断完善规则体系,促进癌痛治疗的规范化.结果 全院麻醉第一类精神药品处方的合格率从98.80％升高到99.51％;住院癌痛病历点评的合格率从91.36％升高到97.89％.结论 临床药师基于合理用药系统和创业临床知识库系统的用药规则维护,从流程上阻止不合理用药,可以提高医院药事管理和药学服务的水平,有效推进癌痛规范化治疗示范医院的创建.

基于Elasticsearch中文数据搜索机制搭建3个节点和4个索引的ES集群,构建倒排索引并配置自定义医学分词词典,将检验知识库数据、检查知识库数据和药品知识库数据通过程序分别导入ES索引"inspection"、"examine"和"drug",将出院记录数据通过接口导入ES索引"medicalrecord",开发基于Python+Django框架的web应用系统,构建临床知识库和病案检索服务平台.服务平台加强网络安全策略,对ES安全性进行强化配置,合理设计和分配存储分片的大小,保证平台的安全性、可用性和冗余性.服务平台集成检验知识库检索、检查知识库检索、药品知识库检索以及病案检索等功能,解决临床医务人员在多系统之间切换检索的问题,提高临床工作效率.

目的:从技术和应用方面,深化电子病历的数据挖掘,实现基于数据的辅助诊疗应用研究.方法:通过利用大数据技术,对电子病历文本数据进行后结构化分析,形成医学知识库.在电子病历应用中,通过对患者的主诉、查体、检查、检验等客观信息的采集,结合临床病史知识库进行智能分析.在医务人员日常工作中提供诊疗提示、病历书写、科研辅助.结果:通过对我院3600余万份病史的后结构化分析,构建了符合我院要求的医学知识库模型.在此基础上,研究开发了辅助诊疗应用系统,在多科室进行试点运行.结论:通过后结构化技术,对电子病历数据进行分析,能够构建一套有效的临床辅助诊疗系统.

目的：在DoCare重症监护信息系统中构建有特色的多媒体护理知识库系统，为重症监护室( ICU)护理人员提供准确、快捷、有效获取护理知识和技术的最佳渠道，满足临床重症护理实践的需求。方法根据查找文献结合进一步调查了解ICU护士对重症护理知识库的具体需求，再联合相关公司共同开发重症护理知识库。结果重症护理知识库涵盖的主要内容有ICU护理管理制度、ICU护士工作职责、ICU工作流程、ICU常见操作规程、ICU常见操作并发症预防及处理、ICU常见疾病救护流程、ICU常用药物知识、ICU常用检验项目意义及护理、ICU院感防控知识、ICU常用护理评估工具及使用方法、ICU常见心律失常辨析、ICU疾病健康教育、各种护理核查表、重大突发事件应急预案、ICU护理发展新知和相关指南等，表现形式主要为文字内容及操作视频等，知识库具备搜索和定位查找等功能。结论重症监护护理知识库的建立是ICU护士获取新知识和技能的有效途径，有利于ICU护士快速准确作出临床决策，提升重症患者的安全，也有利于ICU新护士的快速成长。

以中医儿科教材和小儿肺炎相关诊疗指南、规范、专家共识作为知识范畴,本文使用本体构建工具Protégé构建肺炎喘嗽本体的类和类目、类和类的关系以及类的实例,完成一致性检验,实现本体的推理功能.本文采用Java程序语言的数据驱动文档库实现本体知识库的可视化,构建小儿肺炎喘嗽本体知识库,实现了知识查询、知识共享与知识推理,为后续儿科疾病诊疗知识库的构建、模拟专家诊疗系统奠定基础,同时也为临床医师和临床医学生的学习提供参考.

目的 观察急性胰腺炎(AP)患者合并感染性胰腺坏死(IPN)的影响因素,并构建列线图模型.方法 制定纳入及排除标准,回顾性分析长江船运总医院2015年1月至2021年1月收治的516例AP患者的临床资料,用于建模及内部验证;按照同样标准,从Dryad数据知识库中筛选独立的AP患者1062例,回顾性分析患者资料,用于外部验证.记录患者基线资料,记录内部验证组患者住院期间IPN发生情况,将患者分为合并IPN组与未合并IPN组,采用Logistic回归分析检验AP患者合并IPN的影响因素,应用R语言建立预测AP患者合并IPN的列线图模型,采用Bootstrap法进行模型验证,计算一致性指数(C-index),检验模型准确性;并探讨列线图模型对AP患者发生IPN的预测效能.结果 内部验证组516例AP患者,103例发生IPN,413例未发生IPN.初步比较合并IPN组与未合并IPN组基线资料后,经Logistic回归分析结果显示,急性生理学与慢性健康状况评分Ⅱ(APACHEⅡ)高、降钙素原(PCT)及脂肪酶(LPS)水平高、合并胰腺外感染、合并低氧血症及合并多器官功能衰竭是AP患者发生IPN的危险因素(OR>1,P<0.05);应用抗生素是AP患者发生IPN的保护因素(OR<1,P<0.05).建立预测AP患者发生IPN的列线图模型,使用Bootstrap内部验证法对预测AP患者发生IPN的列线图模型进行验证,校准曲线和Y=X直线相近,模型校准度良好,C-index值为0.814,说明模型具有良好的区分度.对列线图模型进行内部验证,绘制ROC曲线发现,列线图模型预测AP患者IPN发生风险的AUC>0.80,有一定预测价值;对列线图模型进行外部验证,绘制ROC曲线发现,列线图模型预测AP患者IPN发生风险的AUC>0.90,有高预测价值.结论 AP患者发生IPN受APACHEⅡ评分、PCT、LPS、合并胰腺外感染、合并低氧血症、合并多器官功能衰竭、机械通气及应用抗生素影响,基于多种因素建立列线图模型,可为临床合理预测AP患者IPN发生风险提供有效手段.