說到醫(yī)療人工智能，很多人首先想到的是醫(yī)療影像，因為相關(guān)的企業(yè)和產(chǎn)品時常拋頭露面。但如果問醫(yī)生最想要哪種形式的人工智能，答案卻很可能是電子病歷語音轉(zhuǎn)錄。

“出現(xiàn)這種反差，其實并不意外”，北京捷通華聲科技股份有限公司（以下簡稱捷通）總經(jīng)理武衛(wèi)東對雷鋒網(wǎng)說道。醫(yī)療影像的處理技術(shù)早在模式識別時代就有了，發(fā)展至今已經(jīng)有二十年左右的歷史。影像處理是和醫(yī)療診斷直接相關(guān)的技術(shù)，國內(nèi)外從事相關(guān)技術(shù)研究的高等院校、科研院所和企業(yè)很多。只不過近幾年，隨著數(shù)據(jù)的積累和深度學(xué)習(xí)算法的應(yīng)用，圖像識別的準(zhǔn)確率有了大幅提升，也被更多人所熟知。

而國內(nèi)的語音識別技術(shù)直到最近兩三年才取得突飛猛進式的發(fā)展，識別準(zhǔn)確率從80%多提升到了95%以上，達到了實用化的水準(zhǔn)，并逐漸發(fā)展出了面向醫(yī)療等行業(yè)的定制化模型。目前，國內(nèi)從事語音技術(shù)的企業(yè)還相對較少，掌握語音核心技術(shù)的公司更是有限。

為何電子病歷語音轉(zhuǎn)錄備受期待？

武衛(wèi)東表示，電子病歷語音轉(zhuǎn)錄之所以備受期待，主要有三方面的原因：

一、可以為醫(yī)生節(jié)省手寫病歷的時間。國內(nèi)醫(yī)生的工作任務(wù)通常比較繁重，除了跟病人溝通交流，還要花費大量時間和精力書寫病歷和醫(yī)療文書。利用語音識別技術(shù)將醫(yī)生和病人的對話自動轉(zhuǎn)錄成文本，可以幫助醫(yī)生騰出時間來為更多患者服務(wù)，提升工作效率。

二、可以為醫(yī)患糾紛提供材料佐證。醫(yī)患糾紛是醫(yī)療行業(yè)的一大難題，一旦出現(xiàn)醫(yī)患糾紛，醫(yī)院往往處在弱勢地位，因為缺少足夠的資料證明醫(yī)生在診斷和用藥的過程中沒有失誤。醫(yī)院現(xiàn)有的HIMSS系統(tǒng)只能記錄患者的基本信息，簡單描述患者的基本癥狀，以及醫(yī)生用了什么藥。這種記錄的完整性還遠遠不夠。

現(xiàn)在很多保險公司正在大力推進“雙錄”機制，即錄音、錄像，作為解決投訴糾紛的證明材料。語音錄入病歷不僅是將醫(yī)生和病人的對話轉(zhuǎn)成文字和結(jié)構(gòu)化的數(shù)據(jù)進行存儲，便于后期查詢和智能化分析；同時也會保留原始的錄音文件，作為處理醫(yī)患糾紛的證明材料。

三、語音轉(zhuǎn)錄形成的結(jié)構(gòu)化數(shù)據(jù)可以在一定程度上緩解醫(yī)療資源不足、不均的問題。國內(nèi)的病人看病都喜歡去大醫(yī)院掛專家號，但專家號很難掛，原因在于醫(yī)療資源不足。其實很多非三甲醫(yī)院、地方醫(yī)院的設(shè)備并不見得很差，真正缺少的是經(jīng)驗豐富的優(yōu)秀醫(yī)生。過去醫(yī)療經(jīng)驗的傳承主要是“師傅帶徒弟”的模式——一個主任醫(yī)師帶幾個學(xué)生，傳播的范圍和效率都很有限。假如我們利用結(jié)構(gòu)化的醫(yī)療數(shù)據(jù)搭建一個醫(yī)療大數(shù)據(jù)平臺，讓經(jīng)驗不足的醫(yī)生可以通過它學(xué)習(xí)專家的診斷經(jīng)驗，培養(yǎng)更多的醫(yī)學(xué)人才，就能在一定程度上緩解國內(nèi)醫(yī)療資源不足和不均衡的問題。我想這才是電子病歷語音轉(zhuǎn)錄更高層次的意義。

為何國內(nèi)市場一片空白？

很多醫(yī)生在和雷鋒網(wǎng)交流時都提到，自己看到國外醫(yī)生使用語音錄入病歷時十分羨慕。武衛(wèi)東也表示，電子病歷語音轉(zhuǎn)錄技術(shù)在國外確實更為普遍，但這種語音轉(zhuǎn)錄技術(shù)和今天略有不同。

“以前Nuance在印度有一個特別大的、面向全球醫(yī)生的人工坐席呼叫中心。申請了這項服務(wù)的醫(yī)生只需要隨身攜帶PAD并佩戴耳麥，和病人交流時語音就能傳到呼叫中心。呼叫中心通過語音識別技術(shù)將語音轉(zhuǎn)錄成文字，并由人工進行校對，醫(yī)生需要時就能直接查看。語音醫(yī)療呼叫中心曾經(jīng)帶來的收入在Nuance的整體收入中的占比甚至超過了50%?！?/p>

武衛(wèi)東認(rèn)為，國內(nèi)的電子病歷語音轉(zhuǎn)錄市場之所以一片空白，除了跟國內(nèi)語音識別技術(shù)起步較晚有關(guān)，也跟醫(yī)療體系結(jié)構(gòu)密不可分。

“在美國，每個家庭都有自己長期合作的診所和私人醫(yī)生，這些醫(yī)生通常是全科醫(yī)生。病人只要有任何身體上的不適都可以找他，醫(yī)生進行初步診斷后，再將病人轉(zhuǎn)給相應(yīng)的?？漆t(yī)院。醫(yī)院的病歷數(shù)據(jù)是相對公開的，可以跨醫(yī)院調(diào)取，這在中國的醫(yī)療體制下非常困難。另外，美國的商業(yè)醫(yī)保比較發(fā)達，醫(yī)院的數(shù)據(jù)對保險公司是公開的。中國是公費醫(yī)保，每個醫(yī)院都有自己的體系，不同體系之間相互隔離。在中國建立一個Nuance這樣的面向全國醫(yī)院的客服中心幾乎是不可能的?！?/p>

雖然國內(nèi)現(xiàn)在也在積極學(xué)習(xí)國外的醫(yī)療體系結(jié)構(gòu)，積極推動分級診療和醫(yī)聯(lián)體模式，但進展比較緩慢。這一方面是因為國內(nèi)的醫(yī)療資源非常稀缺；另一方面，醫(yī)院之間的數(shù)據(jù)鏈路也很難打通。

“雖然醫(yī)生對語音錄入病歷的需求非常旺盛，但醫(yī)院還處在封閉、半封閉的狀態(tài)，沒有形成社會化的體系，項目必須一家醫(yī)院一家醫(yī)院去對接，推進速度非常緩慢?！蔽湫l(wèi)東向雷鋒網(wǎng)說道。

空白中該如何突圍？

如今國內(nèi)的智能語音市場可謂是群雄逐鹿，百度,阿里，科大訊飛等都在語音技術(shù)上投入巨大，實力雄厚。面對這些重量級的競爭對手，捷通華聲的靈云到底有哪些優(yōu)勢？又該如何競爭呢？

武衛(wèi)東表示，現(xiàn)在大多數(shù)語音識別公司采用的都是深度學(xué)習(xí)算法，各家在語音識別基礎(chǔ)算法的差距并不會特別大，在識別普通話和帶方言的普通話，準(zhǔn)確率都差不多。而主要的差距在于數(shù)據(jù)的規(guī)模、歸集和行業(yè)化的定制。通常掌握的數(shù)據(jù)規(guī)模越大，加上資金和人力方面的優(yōu)勢，可以做適應(yīng)性更強的語音識別模型。捷通華聲在2013年就成立了清華靈云人工智能中心，與清華大學(xué)的教授團隊經(jīng)過多年的合作，在機器學(xué)習(xí)和深度神經(jīng)網(wǎng)絡(luò)算法方面奠定領(lǐng)先優(yōu)勢，企業(yè)對行業(yè)應(yīng)用有著的深入理解和大量實際數(shù)據(jù)的積累，因此在醫(yī)療行業(yè)的這個特定賽道上誰將勝出現(xiàn)在定論還為時尚早，但我們有信心在這個行業(yè)上成為人工智能應(yīng)用發(fā)展的領(lǐng)頭羊。

靈云用于電子病歷語音轉(zhuǎn)錄模型訓(xùn)練的數(shù)據(jù)主要有兩大來源：一是來自互聯(lián)網(wǎng)的大量醫(yī)學(xué)專業(yè)知識和文獻資料；二是醫(yī)生在真實工作場景中產(chǎn)生的數(shù)據(jù)，這是最關(guān)鍵的。

武衛(wèi)東介紹道：“醫(yī)生在診療過程中的語言組織和表達都是相當(dāng)專業(yè)規(guī)范的。醫(yī)生面對的是來自全國各地的病人，所以他們工作中基本使用的是普通話或帶口音的普通話，識別起來相對容易。利用互聯(lián)網(wǎng)上的數(shù)據(jù)初步訓(xùn)練出模型之后，就可以投入醫(yī)院試用，在實際應(yīng)用場景中進一步學(xué)習(xí)和優(yōu)化。目前靈云已經(jīng)和七八家醫(yī)院達成了合作，其中包括急救中心、燒傷?？啤⒕C合醫(yī)院、部隊醫(yī)院等多種場景?！?/p>

電子病歷語音轉(zhuǎn)錄光有語音識別還不夠，必須結(jié)合具體的業(yè)務(wù)場景。醫(yī)生門診或查房時環(huán)境往往比較嘈雜，要求醫(yī)生必須在嘴邊佩戴一個麥克風(fēng)。武衛(wèi)東認(rèn)為，這種方案雖然給醫(yī)生帶來了一些便利，但同時也造成了束縛。靈云的解決辦法是引入麥克風(fēng)陣列技術(shù)，只記錄特定方向傳來的語音信息，從源頭上消除噪聲。醫(yī)生門診時只需要在桌上放置一個類似鼠標(biāo)的設(shè)備，通過聲源定向、語音增強、降噪以及遠場識別等一系列核心技術(shù)，即可實現(xiàn)優(yōu)秀的語音轉(zhuǎn)錄效果。

“醫(yī)院需要的是整套的業(yè)務(wù)系統(tǒng)，而不是單一的技術(shù)?！蔽湫l(wèi)東說道：“靈云是一個開放的全方位人工智能平臺，我們擁有四大能力——智能語音、智能圖像、智能語義、生物特征識別。”

對于醫(yī)院來說，OCR技術(shù)也非常重要。比如病人帶著A醫(yī)院的化驗單和診斷書去B醫(yī)院就診，這些資料在A醫(yī)院的系統(tǒng)都有電子備份，但B醫(yī)院是無法調(diào)取的，而這些信息又是非常有價值的。這時候B醫(yī)院就可以借助OCR技術(shù)將化驗單和診斷書讀取、識別并轉(zhuǎn)化成結(jié)構(gòu)化的文本數(shù)據(jù)。

“我們并不是在一個點上和對手競爭，而是同時向醫(yī)院輸出多項能力。我們提供的是軟硬一體的解決方案，比如在語音轉(zhuǎn)錄方面我們有自己的靈云麥克，結(jié)合OCR應(yīng)用我們推出了掃描儀和高拍儀整體應(yīng)用解決方案。靈云并不是什么都做，而是將自己的優(yōu)勢——語音識別和文字識別等技術(shù)，與上下游產(chǎn)業(yè)鏈的資源（比如北大方正的醫(yī)療管理系統(tǒng)）相結(jié)合，形成獨特的生態(tài)優(yōu)勢?！蔽湫l(wèi)東說道。

還有哪些問題需要解決？

武衛(wèi)東坦言，雖然電子病歷語音轉(zhuǎn)錄技術(shù)確實能給醫(yī)生帶來便利，但目前還處于市場培育階段。醫(yī)院還在邊考察邊適應(yīng)，只在某些科室進行了示范性的應(yīng)用，并沒有全面推廣。另外，技術(shù)本身也需要進一步優(yōu)化。

醫(yī)生對電子病歷語音轉(zhuǎn)錄技術(shù)仍然有一些不滿的地方：一是改變了他原有的工作習(xí)慣，現(xiàn)在醫(yī)生查房都需要攜帶一個PAD，但醫(yī)院的WiFi信號可能并不總是穩(wěn)定的，會給醫(yī)生造成一些不便；二是使用方法略為繁瑣，使用前需要進行設(shè)置；三是語音轉(zhuǎn)錄之后醫(yī)生還要一定時間進行校正修改，文本后處理技術(shù)還需要完善。

除了電子病歷語音轉(zhuǎn)錄，語音技術(shù)在醫(yī)院還有很多落地場景。比如很多年前就已經(jīng)在醫(yī)院大規(guī)模應(yīng)用的語音叫號；再比如智能語音導(dǎo)診，通過語音控制燈光開關(guān)，設(shè)置醫(yī)療器械參數(shù)等等。武衛(wèi)東認(rèn)為，語音技術(shù)在這些場景的落地應(yīng)用相對容易些。

“我相信語音轉(zhuǎn)錄病歷未來的發(fā)展會非常迅速，但目前還處于市場培育階段。單個醫(yī)院在語音轉(zhuǎn)錄方面的投入大約在100-200萬，不包括大數(shù)據(jù)分析。大數(shù)據(jù)分析大家談?wù)摰帽容^多，但現(xiàn)階段還多為概念，并非一兩年內(nèi)就能實現(xiàn)的，這片市場未來市場規(guī)模很大，我相信億級規(guī)模是一定有的?！?/p>

武衛(wèi)東表示，捷通華聲剛剛進入電子病歷語音轉(zhuǎn)錄市場，這個市場僅僅剛剛開始，還未形成規(guī)模。捷通華聲的策略是先在醫(yī)院里做一些標(biāo)桿性的應(yīng)用方案，先把技術(shù)打磨好。等這項技術(shù)真正開始大規(guī)模應(yīng)用時，再聯(lián)合上下游的合作伙伴，以技術(shù)打包的形式向醫(yī)院推廣。

他認(rèn)為，語音轉(zhuǎn)錄病歷會先從大型醫(yī)院開始推廣，同時在部分私營醫(yī)院試點，私營醫(yī)院在引進新技術(shù)，提升智能化管理水平和綜合實力的需求比較積極。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。