一，國內(nèi)外EMR應(yīng)用情況
近年來，EMR作為醫(yī)療信息化的一個重點方向，在國內(nèi)外均有很大的發(fā)展，以下分別以美國和日本為例，簡單介紹下國內(nèi)外EMR的應(yīng)用狀況。
美國的情況：
美國在電子病歷相關(guān)的模型與理論等多個方面均完成了大量工作，同時，結(jié)合美國的衛(wèi)生管理部門對于醫(yī)藥行業(yè)存在問題的分析，美國的電子病歷系統(tǒng)建設(shè)具有十分明顯的針對性，所建設(shè)的系統(tǒng)一定要立足于解決在醫(yī)療實踐中切實存在的錯誤與問題。
美國著名的HIMSS首先將電子病歷(EMR)劃分為臨床數(shù)據(jù)存儲庫（CDR）、臨床決策支持系統(tǒng)（CDSS）、受控醫(yī)學(xué)詞匯表(CMV)、計算機支持醫(yī)院醫(yī)囑系統(tǒng)（CPOE）、藥品管理系統(tǒng)、以及臨床文檔應(yīng)用程序等若干個部分，然后結(jié)合其他醫(yī)療信息系統(tǒng)的建設(shè)過程，將EMR的建設(shè)分成了如下8個階段：
階段0：藥品管理系統(tǒng)、LIS（檢驗科信息系統(tǒng)）、RIS（放射科信息系統(tǒng)）三大主要臨床輔助系統(tǒng)沒有建立；
階段1：藥品管理系統(tǒng)、LIS、RIS三大主要臨床輔助系統(tǒng)實現(xiàn)；
階段2：主要臨床輔助系統(tǒng)提供數(shù)據(jù)給CDR以便醫(yī)師重新得到或回顧結(jié)果，CDR包括了一個受限醫(yī)學(xué)詞匯表和臨床決策支持/規(guī)則引擎。這個階段CDR可以鏈接來自影像系統(tǒng)的信息；
階段3：護(hù)理系統(tǒng)、圖表、治療計劃和電子藥物管理系統(tǒng)（eMAR）已經(jīng)實現(xiàn)并和CDR結(jié)合。臨床決策支持的第一個水平是實現(xiàn)對醫(yī)囑錄入的操作錯誤檢查（如藥物/藥物、藥物/食品、藥物/檢查沖突檢查）。PACS（醫(yī)學(xué)影像系統(tǒng)）的接口能讓醫(yī)師通過組織內(nèi)部網(wǎng)絡(luò)訪問相關(guān)的醫(yī)學(xué)圖像；
階段4：護(hù)理和CDR環(huán)境中增加了供任何臨床醫(yī)師使用的CPOE，同時實現(xiàn)了涉及到基于醫(yī)學(xué)協(xié)議的第二水平臨床決策支持；
階段5：全跟蹤藥物治療管理環(huán)境完全實現(xiàn)，eMAR和條形碼以及其它自動標(biāo)識技術(shù)（如 RFID）已實現(xiàn)，并與CPOE及藥物系統(tǒng)結(jié)合在一起，在藥物管理上實現(xiàn)患者衛(wèi)生保健過程中安全的最大化；
階段6：實現(xiàn)上面提到的完全的醫(yī)療文檔/圖表。第三水平的臨床決系統(tǒng)和臨床醫(yī)生診療行為的向?qū)А＿@些向?qū)c以變化的及依從性的警報形式提供的協(xié)議和成果相關(guān)。一個完全功能的PACS系統(tǒng)在內(nèi)部網(wǎng)絡(luò)內(nèi)向醫(yī)師提供醫(yī)學(xué)圖像，取代了所有膠片圖像；
階段7：臨床信息能夠與在一個區(qū)域衛(wèi)生網(wǎng)絡(luò)中所有的實體（如其它醫(yī)院、門診部、急救中心、雇主，付款人和患者）經(jīng)過電子事務(wù)或交換電子記錄方式方便地共享。醫(yī)學(xué)記錄完全電子化/無紙化。這個階段允許醫(yī)療機構(gòu)支持真正的EHR；
上述各階段的劃分，是和美國醫(yī)療行業(yè)現(xiàn)狀有密切的關(guān)系，根據(jù)美國醫(yī)學(xué)研究所與疾控中心的一份統(tǒng)計報告，醫(yī)療處置不當(dāng)或錯誤近年來一直排在美國人死因的前十位，排名高于多種常見疾病，人數(shù)初步估算在48，000到96，000之間，而此類錯誤中，絕大部分是藥品使用錯誤。
同時，美國醫(yī)學(xué)研究所認(rèn)為，在每年發(fā)生的幾百萬件醫(yī)療錯誤中，有相當(dāng)比例可預(yù)防。
在上述基本共識的基礎(chǔ)上，美國電子病歷建設(shè)的第一階段就是要構(gòu)建藥品管理系統(tǒng)，重點防范藥品使用錯誤，然后在第二階段對臨床輔助系統(tǒng)進(jìn)行建設(shè)，以獲得客觀準(zhǔn)確的數(shù)據(jù)來支持更準(zhǔn)確的決策，然后在后續(xù)的階段當(dāng)中，對醫(yī)療操作的過程與文檔信息兩個方面進(jìn)行信息化的建設(shè)與完善工作，真正提高醫(yī)療質(zhì)量。
HIMSS曾經(jīng)對美國的5000多家醫(yī)院進(jìn)行了評分，0-2階段的占70%以上，到達(dá)第6階段的為1%左右，3-5階段的大約在20%，大部分醫(yī)院的信息化水平基本處于第3階段。
同時，美國電子病歷在建設(shè)過程中，結(jié)合美國醫(yī)療界公私結(jié)合，注重規(guī)范與效率等特征，十分注意信息化建設(shè)的實效，故此，形成了傳統(tǒng)手工流程與信息化流程相結(jié)合，科室與全院相結(jié)合，使用電子病歷與不使用電子病歷人員相結(jié)合的復(fù)雜局面。
此外，由于美國醫(yī)療系統(tǒng)制度的不統(tǒng)一，且各地醫(yī)院發(fā)展不均衡，所要解決的問題與階段存在差異，造成了在諸多大型醫(yī)院內(nèi)部系統(tǒng)數(shù)量大，客觀上促進(jìn)了集成與相關(guān)標(biāo)準(zhǔn)的發(fā)展。
<!--[endif]-->
一個基于IHE組織定義的醫(yī)院系統(tǒng)集成實例示意圖
日本的情況：
日本2006年的IT新改革戰(zhàn)略中，涉及到醫(yī)療的部分，將日本的醫(yī)療信息化建設(shè)分為如下5步目標(biāo)：
1，制定醫(yī)療衛(wèi)生全面發(fā)展規(guī)劃
有效地促進(jìn)醫(yī)療，健康，護(hù)理，福利各方面的系統(tǒng)信息化；
2，進(jìn)一步推動醫(yī)療信息系統(tǒng)的發(fā)展
進(jìn)一步普及電子病歷等醫(yī)療信息系統(tǒng)，提高醫(yī)療服務(wù)質(zhì)量，保證醫(yī)療安全，促進(jìn)各醫(yī)療機關(guān)間的相互合作；
3，促進(jìn)遠(yuǎn)程醫(yī)療
促進(jìn)遠(yuǎn)程醫(yī)療，消除地區(qū)間醫(yī)療服務(wù)水平的差距，同時，利用數(shù)字電視等手段，實現(xiàn)緊急救援時對病人的指導(dǎo)；
4，構(gòu)建國民健康數(shù)據(jù)庫與應(yīng)用服務(wù)平臺
到2010年，構(gòu)建國民健康信息數(shù)據(jù)庫和能充分利用該數(shù)據(jù)庫的應(yīng)用服務(wù)平臺，讓國民也能把握自己的健康狀況，努力促進(jìn)國民的健康；
5，實現(xiàn)醫(yī)療結(jié)算全面OnLine
計劃于2011年，實現(xiàn)醫(yī)療結(jié)算的全面OnLine化，削減醫(yī)療保險成本，建立結(jié)算數(shù)據(jù)庫，推進(jìn)疾病預(yù)防的發(fā)展，并推動國民醫(yī)療費用合理化；
其中的第二個階段，電子病歷是發(fā)展的重點。
日本目前電子病歷的建設(shè)高度突出了多個系統(tǒng)與功能進(jìn)行集成的特征，在不同角色的工作站中，將患者信息管理，醫(yī)囑與臨床處置，臨床路徑，決策支持等幾個方面的功能實現(xiàn)了很好的集成。
多種資料表明，由于日本國內(nèi)醫(yī)療服務(wù)的高標(biāo)準(zhǔn)要求，促成了日本的電子病歷系統(tǒng)在細(xì)節(jié)處理與人性化設(shè)計方面的明顯優(yōu)勢。
二，EMR主要涉及的技術(shù)及其發(fā)展
目前，電子病歷的實現(xiàn)所涉及的幾個關(guān)鍵技術(shù)問題有：
<!--[if !supportLists]-->Ø <!--[endif]-->結(jié)構(gòu)化處理方式
<!--[if !supportLists]-->Ø <!--[endif]-->編輯工具
<!--[if !supportLists]-->Ø <!--[endif]-->存儲方式
<!--[if !supportLists]-->Ø <!--[endif]-->系統(tǒng)集成
1，結(jié)構(gòu)化處理方式
電子病歷的首要職能是作為醫(yī)療過程的一種記錄形式而存在，而為了能夠在醫(yī)療過程中提供安全可靠的信息，為臨床人員提供信息資源，對個體或群體患者制定科學(xué)的醫(yī)療計劃，并為公共衛(wèi)生方面的工作提供支持等，必須將文檔的理解層級由人工可識別，過渡到計算機可識別，直到計算機可處理，為實現(xiàn)這個目標(biāo)，病歷內(nèi)容的結(jié)構(gòu)化顯然是必須要完成的工作。
以下，我們從現(xiàn)有病歷的基本結(jié)構(gòu)模型，結(jié)構(gòu)化的幾種主要實現(xiàn)方式，以及優(yōu)缺點等幾個方面，綜合了解下目前有關(guān)病歷結(jié)構(gòu)化處理工作的進(jìn)展：
（1）病歷的結(jié)構(gòu)模型
在電子病歷出現(xiàn)以前，臨床病歷幾乎完全以自然語言進(jìn)行描述。一個典型的模型是POMR，目前國內(nèi)常見的病歷結(jié)構(gòu)，基本是POMR思想指導(dǎo)下的SOAP描述方式：
S-Subjective：主觀內(nèi)容，可以近似認(rèn)為是主訴與現(xiàn)病史
O-Objective：客觀內(nèi)容，體現(xiàn)在輔助檢查
A-Assessment：評估性的內(nèi)容，可以認(rèn)為診斷是屬于這類
P-Plan：計劃，診療計劃屬于這個范圍
但是，毫無疑問，結(jié)構(gòu)化到這種程度，遠(yuǎn)遠(yuǎn)不能滿足從電子病歷挖掘醫(yī)療規(guī)律，支持循證醫(yī)學(xué)與臨床科研等工作的要求。
（2）結(jié)構(gòu)化的幾種主要實現(xiàn)方式與優(yōu)缺點
目前，結(jié)構(gòu)化的實現(xiàn)方式多種多樣，但實際總結(jié)起來，其技術(shù)思想基本是兩大類：SDE與MLP。
SDE（結(jié)構(gòu)化數(shù)據(jù)錄入）的方式：是目前可以實現(xiàn)極高程度結(jié)構(gòu)化的一種數(shù)據(jù)采集方式，通過軟件上的菜單，選項框等各種控件，結(jié)合一定的醫(yī)學(xué)智能判斷，實現(xiàn)在預(yù)定模板范圍內(nèi)的信息100%準(zhǔn)確獲取，國外代表產(chǎn)品系列為OpenSDE。
SDE的操作方式最大的優(yōu)點是能夠完整準(zhǔn)確的獲得臨床信息；缺點則是由于將受控詞匯原封不動的表現(xiàn)在前端，使得臨床醫(yī)生操作極為不便，在效率和靈活性上有明顯的缺陷。
MLP（醫(yī)學(xué)語言處理）的方式：則是尊重臨床人員采用自然語言描述病歷的習(xí)慣，在自然語言描述的內(nèi)容基礎(chǔ)上，通過預(yù)定義的術(shù)語集來實現(xiàn)信息的獲取等工作。
MLP方式的優(yōu)點是與幾乎完全繼承了醫(yī)務(wù)人員以往的工作習(xí)慣，操作簡便，學(xué)習(xí)曲線平滑；缺點則是現(xiàn)有的自然語言處理技術(shù)準(zhǔn)確性不足，在某些場景下尚不能達(dá)到醫(yī)療工作的需要。
目前，針對上述問題的解決方案，一般從如下兩個方向進(jìn)行考慮：
融合：將SDE與MLP兩種方式進(jìn)行結(jié)合
這種思路指導(dǎo)下的典型例子，是目前國內(nèi)普遍出現(xiàn)的在“所見即所得”編輯器基礎(chǔ)上的受控詞匯嵌入自然語言的模板，通過直觀的編輯工具，結(jié)合具體的臨床科室，將病歷內(nèi)容盡可能采用自然方式展現(xiàn)出來，同時，對其中有臨床科研與其他數(shù)據(jù)利用價值的詞匯進(jìn)行結(jié)構(gòu)化處理，兩類數(shù)據(jù)并存于整個文檔中，結(jié)構(gòu)化的數(shù)據(jù)類似于一種鑲嵌方式存在；當(dāng)數(shù)據(jù)利用時，就可以從同一個病歷文檔中，獲得多方面的數(shù)據(jù)。
這種融合的思路最大的優(yōu)勢是通過臨床工作的嚴(yán)肅性保證了數(shù)據(jù)的準(zhǔn)確，同時也能夠一定程度的解決SDE與MLP的矛盾，目前面臨的主要問題是，在不同的臨床科室內(nèi)，是否能定制出對多個病種足夠適應(yīng)的模板；以及在不同的科研與數(shù)據(jù)利用要求下，是否可能通過一個模板來滿足多個不同角度與科研與數(shù)據(jù)利用的要求。
目前，國內(nèi)推出的《電子病歷架構(gòu)與數(shù)據(jù)標(biāo)準(zhǔn)》，提出了臨床文檔-文檔段-數(shù)據(jù)組-數(shù)據(jù)元的四級概念，其核心思想是將病歷內(nèi)容逐層的進(jìn)行結(jié)構(gòu)化處理，對電子病歷的技術(shù)實現(xiàn)，具有很高的指導(dǎo)意義。
分立：從實際需求出發(fā)，在不同的業(yè)務(wù)場景下?lián)P長避短，有針對性的發(fā)揮SDE與MLP兩種方式各自的優(yōu)勢。
目前，這種思路也有相當(dāng)比例的市場，比如，從醫(yī)療工作的要求來看，某些需要獲取的信息比較簡練，且操作時間要求高，則可以將需要采集的內(nèi)容固化到軟件界面上，定制為高度簡潔的SDE式窗口，臨床醫(yī)療工作者只需要簡單的點選與操作，即可完成必要的數(shù)據(jù)采集；而對于病歷文檔這種自然語言特征明顯的內(nèi)容，則結(jié)合機器自動處理與人工標(biāo)注，實現(xiàn)數(shù)據(jù)利用的需要。
（3）可能的幾個突破方向
通過上述的比較，已經(jīng)可以看出，在SDE與MLP兩種方式存在融合與分立的現(xiàn)狀，技術(shù)上可能的幾個突破方向，無非是以下幾種：
基于多維術(shù)語集的智能模板：
不論是SDE還是MLP，首先均需要標(biāo)準(zhǔn)化的術(shù)語集支持，在此基礎(chǔ)上，方可以定義諸如醫(yī)療行為索引，醫(yī)療行為關(guān)系及相應(yīng)字典等構(gòu)成臨床數(shù)據(jù)中心的基礎(chǔ)設(shè)施。
在標(biāo)準(zhǔn)化術(shù)語集存在后，為解決自然語言描述與受控結(jié)構(gòu)化描述之間的矛盾，可基于多維術(shù)語集智能模板來實現(xiàn)高命中率的模板，如根據(jù)患者的基本信息，初步印象，關(guān)鍵檢查與檢驗，重要癥狀與體征，生成與臨床醫(yī)生期望較為接近的模板。
自然語言處理（尤其是中文）技術(shù)的發(fā)展：
病歷中的檢驗與醫(yī)療處置類信息一般已經(jīng)高度結(jié)構(gòu)化，要提高信息利用率，首先要解決的問題是多系統(tǒng)數(shù)據(jù)的集成，但對于病史類文字，則可能要寄希望于自然語言處理技術(shù)（尤其是中文分詞技術(shù)）的進(jìn)一步發(fā)展，這種在后期結(jié)構(gòu)化的方式最大的優(yōu)點在于可以將原始文檔幾乎完全獨立，完全根據(jù)自然語言處理的發(fā)展程度來進(jìn)行數(shù)據(jù)利用工作。
2，編輯工具
目前，電子病歷的編輯工具是電子病歷系統(tǒng)實現(xiàn)的基礎(chǔ)性構(gòu)件，通過編輯器，可以反映出一個電子病歷系統(tǒng)的數(shù)據(jù)架構(gòu)，對結(jié)構(gòu)化的處理程度等多方面的設(shè)計水平。
電子病歷的編輯工具可根據(jù)是否所見即所得與是否結(jié)構(gòu)化，分為如下幾類：
（1）SDE式編輯工具
與這種編輯工具最接近的醫(yī)療概念，是表格病歷。
嚴(yán)格來說，這種編輯工具并不能成為完整的電子病歷編輯器，因為其僅僅是通過界面的方式，完成了一定的信息采集工作，諸如排版，文本格式處理等一系列功能，均需要額外提供排版工具來進(jìn)行處理。
一些優(yōu)秀的SDE編輯器，可以一定程度上適應(yīng)不同科室的要求，實現(xiàn)前后文選擇控件內(nèi)容之間的關(guān)系，體現(xiàn)一定的醫(yī)療邏輯，故目前這種編輯工具還是有一定比例的市場。
目前，此類編輯器的技術(shù)實現(xiàn)，大多是采用Windows環(huán)境下的開發(fā)工具，如PB，Delphi，VB或VC#等，將多個控件組合成為科室模板，同時將每個控件所代表的醫(yī)療信息內(nèi)置于模板中，在每個科室調(diào)用時，根據(jù)所選擇的控件值所反映出的醫(yī)療關(guān)系，對整個界面上的控件布局進(jìn)行控制，以體現(xiàn)醫(yī)療邏輯與流程。
（2）“所見即所得”的自由文本編輯器
此類編輯器功能一般較為簡單，對結(jié)構(gòu)化涉及較少，多為直接調(diào)用相對成熟的文本編輯組件，如MS Word，同時進(jìn)行簡單的結(jié)構(gòu)劃分，如主訴，現(xiàn)病史級別的劃分。
對于這種編輯器，如果要進(jìn)行病歷內(nèi)容結(jié)構(gòu)化的工作，則只能采用自然語言處理的技術(shù)。
（3）“所見即所得”的結(jié)構(gòu)化病歷編輯器
顧名思義，這種編輯器是將文本編輯功能與結(jié)構(gòu)化的設(shè)計融合在一起，既能對文本進(jìn)行常規(guī)排版，同時還可以在其中體現(xiàn)出對病歷結(jié)構(gòu)化的編輯。
此類編輯器的設(shè)計初衷，大多是要充分照顧自然語言輸入的習(xí)慣，并在編輯的同時，直接完成結(jié)構(gòu)化詞匯的生成，完成對病歷數(shù)據(jù)利用的準(zhǔn)備。
從技術(shù)角度來看，這種編輯器的設(shè)計思路是較為先進(jìn)的，但最大的不足是實現(xiàn)難度較大，目前業(yè)內(nèi)普遍認(rèn)為，此類編輯器從開發(fā)到成熟，平均需要5-6年的時間。
目前，這種編輯器由于要直接處理復(fù)雜的內(nèi)容節(jié)點，通常與xml技術(shù)相結(jié)合。
3，存儲方式
首先，xml技術(shù)由于其自解釋，實現(xiàn)多級對象節(jié)點方便，文檔類型定義與文檔內(nèi)容可分離等多種特性，已經(jīng)成為電子病歷領(lǐng)域文檔實體的事實標(biāo)準(zhǔn)。
目前，電子病歷內(nèi)容具體的存儲方式可以簡單的歸結(jié)為如下幾類：
（1）基于關(guān)系型數(shù)據(jù)庫
目前，鑒于關(guān)系型數(shù)據(jù)庫占據(jù)了相當(dāng)高的市場份額，故基于關(guān)系型的數(shù)據(jù)庫存儲也成為電子病歷市場的主流選擇，具體的實現(xiàn)，一般有字段存儲+應(yīng)用期組合，xml作為對象存儲，xml原生存儲等三種方式：
字段存儲+應(yīng)用期組合
這種方式是對病歷的結(jié)構(gòu)進(jìn)行拆解，然后存入數(shù)據(jù)庫的字段，在應(yīng)用層調(diào)用時，通過對各個數(shù)據(jù)字段的組合，生成邏輯上的xml文檔供應(yīng)用層使用。
此方式最大的優(yōu)點在于某些簡單的數(shù)據(jù)利用要求出現(xiàn)時，可以充分利用傳統(tǒng)關(guān)系型數(shù)據(jù)庫的優(yōu)勢，提供極好的性能，但缺點則是由于對復(fù)雜的數(shù)據(jù)操作一律要在客戶端處理，故技術(shù)實現(xiàn)較為繁瑣，運行效率也容易受到限制。
xml與數(shù)據(jù)庫字段的關(guān)系圖
xml作為對象存儲
這種方式通常結(jié)合了數(shù)據(jù)庫系統(tǒng)對xml的存儲支持，目前業(yè)內(nèi)主流的數(shù)據(jù)庫系統(tǒng)均支持將xml作為BLOB字段進(jìn)行存儲
此種方式，將病歷文檔進(jìn)行大粒度的分解后，直接以xml方式存儲于數(shù)據(jù)庫的BLOB字段中，同時，為了某些簡單的數(shù)據(jù)檢索等需要，通常會在存儲該xml文檔時，將該文檔中一些常用的數(shù)據(jù)直接存儲在數(shù)據(jù)字段中。
xml原生存儲
xml原生存儲的方式是伴隨著數(shù)據(jù)庫對xml的存儲技術(shù)不斷進(jìn)步而產(chǎn)生的，某些數(shù)據(jù)庫系統(tǒng)軟件針對xml的特征設(shè)計存儲結(jié)構(gòu)，可以在整體存儲xml文檔的同時，還可以高效的實現(xiàn)對xml內(nèi)部詳細(xì)信息的檢索。
該方式目前最大的缺陷，是所提供的檢索技術(shù)對現(xiàn)有的粗細(xì)結(jié)合粒度的xml文檔檢索能力有限。
（2）基于后關(guān)系型數(shù)據(jù)庫
以Cache為代表的數(shù)據(jù)庫系統(tǒng)軟件，在其內(nèi)部實現(xiàn)了強大的面向?qū)ο蠊δ�，可以實現(xiàn)諸如無窮分級這樣的特殊功能，但由于在國內(nèi)市場份額不高，技術(shù)支持相對較少等原因，前景不甚明朗。
（3）文件服務(wù)與數(shù)據(jù)庫相結(jié)合
某些較早期的電子病歷系統(tǒng)中，有些是將病歷文件直接存儲于文檔服務(wù)器上，然后在提交或歸檔時，存儲于數(shù)據(jù)庫中，該方式同樣存在客戶端壓力較大的問題，今后應(yīng)當(dāng)會逐漸被替代。
4，系統(tǒng)集成
電子病歷的一個重要功能是實現(xiàn)臨床信息集成，向臨床醫(yī)療工作者全面展示相關(guān)信息，但由于電子病歷的各周邊系統(tǒng)建設(shè)程度參差不齊，且起始階段就無統(tǒng)一標(biāo)準(zhǔn)，而隨著實際應(yīng)用的逐漸深入，一線使用者對集成的要求與日俱增，為解決此類問題，美國提出了諸如HL7，DICOM等一系列標(biāo)準(zhǔn)。
目前，國內(nèi)的各個系統(tǒng)集成過程中，對于較為簡單的集成要求，直接采用界面集成的方法；對于若干系統(tǒng)之間的數(shù)據(jù)通信，往往是雙方約定數(shù)據(jù)庫的讀寫范圍，直接在數(shù)據(jù)庫層面進(jìn)行數(shù)據(jù)集成。
但是，當(dāng)一個醫(yī)療單位的信息化系統(tǒng)數(shù)量達(dá)到一定程度之后，上述方式的問題立即凸顯，隨著系統(tǒng)的增多，需要集成的工作量呈平方增長關(guān)系。
通過對此類情況的處理，國內(nèi)某些醫(yī)療單位與公司在信息集成方面也總結(jié)了比較豐富的經(jīng)驗，選擇性的使用HL7等國際標(biāo)準(zhǔn)，通過Web Services與MQ等技術(shù)手段，也積累了一定的成熟案例。
三，自然語言處理技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用現(xiàn)狀及趨勢
按照維基百科上的介紹，自然語言處理的關(guān)鍵技術(shù)基本涵蓋如下方面：
文本朗讀與語音合成，語音識別，中文分詞，詞性標(biāo)注，句法分析，自然語言生成，文本分類，信息檢索，信息抽取，文字校對，問答系統(tǒng)，機器翻譯，自動摘要。
其中，中文分詞與信息檢索及信息抽取，是自然語言處理技術(shù)的重要問題，在醫(yī)療領(lǐng)域應(yīng)用也主要集中于這幾個方面，因信息檢索與抽取等技術(shù)相對比較成熟，本文的討論將主要集中于其中的中文分詞。
目前的中文分詞，一般有三大類
（1）基于詞典的分詞：一般將需要處理的文檔與詞典中的詞匯進(jìn)行匹配，在匹配過程中，根據(jù)優(yōu)先匹配長度的不同，有最大與最小匹配算法；而根據(jù)掃描方向的差別，又可分為正向匹配和逆向匹配算法，以及將正反兩個方向相結(jié)合的雙向匹配法。
從精度來看，在上述幾種方法當(dāng)中，逆向匹配略高于正向匹配，但目前已有的此類算法錯誤率依然導(dǎo)致精度不能滿足實際使用的需要，所以在實際使用時，大多是將基于詞典的方法作為分詞第一步工作，然后結(jié)合其他方法進(jìn)一步處理。
具體改進(jìn)的方式，大概有如下幾種，結(jié)合分類特征表示的優(yōu)化，結(jié)合詞性標(biāo)注的優(yōu)化，以及后續(xù)加以其他分詞手段（如基于統(tǒng)計語言模型）的處理。
目前，主要基于詞典的分詞方法，一般用于簡單的醫(yī)療文檔處理，如檢查報告，或者病歷文檔中的文檔段級別，如手術(shù)記錄，并在此基礎(chǔ)上結(jié)合一定的人工判斷與加工，這種應(yīng)用的發(fā)展是得益于此類文檔一般結(jié)構(gòu)相對固定，同時詞匯集合數(shù)量比較小，術(shù)語描述受控程度較高。
通過目前應(yīng)用的現(xiàn)狀也驗證了一個基本事實：術(shù)語詞典的完善與精確程度對分詞的準(zhǔn)確度有十分重大的影響。
（2）基于統(tǒng)計的分詞：基于統(tǒng)計的分詞方法近年來由于機器學(xué)習(xí)等技術(shù)的發(fā)展也日漸成熟，這種分詞方法的一個基本前提是：詞匯是由字組成的，然后通過組合出現(xiàn)的概率來判斷是否某個短字符串是否是一個詞，判斷概率時，將各個字在文檔中出現(xiàn)的概率相乘：
P(S) = P(w1)P(w2|w1)P(w3| w1 w2)…P(wn|w1 w2…wn-1)
單純使用這種分詞方法時最常見的缺陷是只顧頻率，忽視實際意義，比如可能會分出很多“之一”“我的”等常用但意義不大的詞匯，為彌補此缺陷，通常會結(jié)合基于詞典的分詞來處理。
基于統(tǒng)計的分詞另一個重要的實現(xiàn)方式是采用機器學(xué)習(xí)的方法，準(zhǔn)備好一套已經(jīng)預(yù)先分詞完畢的預(yù)料，通過機器學(xué)習(xí)的模型去學(xué)習(xí)分詞的規(guī)律，然后利用抽象出的規(guī)律對新的文本進(jìn)行分詞。
目前，基于統(tǒng)計的分詞對于同義詞的處理有較好的效果，通常與其他分詞方式結(jié)合使用，但由于實現(xiàn)的技術(shù)難度較高，目前在醫(yī)療實踐中尚未廣泛應(yīng)用。
（3）基于規(guī)則與理解的分詞：這種分詞方法的理論基礎(chǔ)是構(gòu)造在漢語詞法分析基礎(chǔ)上的，有報道稱采用層疊隱馬爾可夫模型進(jìn)行處理，也取得了較好的效果。
這種分詞方法在進(jìn)行詞法分析的階段，綜合考慮長度，平均長度，自由語素度以及各種過濾器，如布隆過濾器。
此類分詞引擎的實現(xiàn)技術(shù)難度相當(dāng)高，目前，國內(nèi)這方面最成熟的成果是ICTCLAS。
綜上，三種分詞方法可以從多個方面進(jìn)行個對比，如下表：
三種分詞方法的優(yōu)劣對比
|
分詞方法
|
基于字符串匹配分詞
|
基于理解的分詞
|
基于統(tǒng)計的分詞
|
|
歧義識別
|
差
|
強
|
強
|
|
新詞識別
|
差
|
強
|
強
|
|
需要詞典
|
需要
|
不需要
|
不需要
|
|
需要語料庫
|
否
|
否
|
是
|
|
需要規(guī)則庫
|
否
|
是
|
否
|
|
算法復(fù)雜性
|
容易
|
很難
|
一般
|
|
技術(shù)成熟度
|
成熟
|
不成熟
|
成熟
|
|
實施難度
|
容易
|
很難
|
一般
|
|
分詞準(zhǔn)確性
|
一般
|
準(zhǔn)確
|
較準(zhǔn)
|
|
分詞速度
|
快
|
慢
|
一般
|
目前，中文分詞在實踐中的最大難點在歧義的處理和特殊詞識別。
歧義的識別，基于統(tǒng)計與規(guī)則的方法都能進(jìn)行一定程度的處理，不過考慮到醫(yī)療的文字描述準(zhǔn)確性的要求，更多的應(yīng)當(dāng)首先在文檔的生成過程中盡可能消除歧義。
對于特殊詞識別，基于詞典的處理方式是不可能處理的，鑒于新詞的生成也是很大程度上符合既往規(guī)則的產(chǎn)物，故對于新詞識別，可優(yōu)先考慮基于理解的分詞方法。
四，自然語言處理技術(shù)在EMR中的實現(xiàn)要點
目前的醫(yī)療文檔（尤其是病歷）絕大部分是以自然語言描述，大量已發(fā)現(xiàn)與未發(fā)現(xiàn)的信息存在于現(xiàn)有的醫(yī)療文檔中，不論是臨床醫(yī)學(xué)還是基礎(chǔ)生物醫(yī)學(xué)，都對于現(xiàn)有文檔的信息處理與知識發(fā)現(xiàn)提出很高要求，自然語言處理，尤其是中文分詞的發(fā)展，毫無疑問會極大程度的為這些工作提供幫助。
但是，考慮到漢語本身的復(fù)雜性，完成此工作，必須要從中文分詞以及自然語言處理的基礎(chǔ)理論，醫(yī)學(xué)模型以及軟件工程實踐等多個方面綜合考慮，才有實現(xiàn)并逐步進(jìn)行完善的可能。
簡單的說，使用自然語言的相關(guān)成果，為醫(yī)療領(lǐng)域的信息化（尤其是EMR）建設(shè)服務(wù)時，可以優(yōu)先考慮從如下幾個方面入手：
1，半自動中文分詞
目前，由于病歷相關(guān)的術(shù)語集過于復(fù)雜與理論化，在實際用于臨床時，合適的裁剪模型尚不成熟，所以可以考慮機器自動分詞加上人工的方式來處理。
具體操作時，可以在某個研究項目開展時，選擇性的對某些文檔先進(jìn)行機器自動化分詞處理，這樣即使存在某些分詞不準(zhǔn)確導(dǎo)致案例遺漏的情況，也可以通過適當(dāng)擴大樣本量來補充；在機器自動處理完成后，進(jìn)行一定的人工審核與數(shù)據(jù)完善，并進(jìn)行記錄，最終將處理后的數(shù)據(jù)作為研究的信息來源。
通過上述處理步驟后，可進(jìn)行進(jìn)一步的檢索與分析工作。
此類方式的核心在于通過不斷提高機器自動分詞的準(zhǔn)確度與速度，減少擴大的樣本量與人工處理的工作量。
2，自然語言生成
鑒于醫(yī)療當(dāng)中存在某些表格病歷類似的情況，可以在某些醫(yī)療單據(jù)通過點選的方式，確定關(guān)鍵信息，然后生成符合醫(yī)療規(guī)范要求的自然語言，由人工進(jìn)行一定的修改完善后，作為最終的醫(yī)療文檔。
3，小范圍搜索引擎的構(gòu)建
對于常見病的經(jīng)典病歷，以及某些診療指南與臨床證據(jù)，可以構(gòu)建科室級以及院級的搜索引擎，綜合使用自動標(biāo)注、中文分詞加信息檢索的技術(shù)，隨時提煉各類信息供臨床醫(yī)療工作者使用。
上述各類應(yīng)用的技術(shù)難點，在于如下幾個關(guān)鍵的設(shè)施是否足夠完善：
1，可根據(jù)需要進(jìn)行簡化以適應(yīng)臨床工作的術(shù)語集
高度可用的術(shù)語集是分詞與分類等一系列工作的基礎(chǔ)，關(guān)鍵在于如何在實踐中找到合理的篩選標(biāo)準(zhǔn)，將現(xiàn)有的高度規(guī)范的術(shù)語集工作與臨床的具體實踐相結(jié)合后，可以既照顧臨床工作的方便，又能保證生成數(shù)據(jù)與規(guī)范術(shù)語的對應(yīng)。
2，結(jié)合醫(yī)學(xué)規(guī)則的中文分詞算法
基于規(guī)則的中文分詞算法在現(xiàn)有的分詞算法當(dāng)中屬于技術(shù)難度較高者，一個重要的原因是漢語的詞匯全集十分復(fù)雜，但醫(yī)學(xué)的詞匯集合具有“較有限”“相對規(guī)范”等特點，故可以將醫(yī)療邏輯作為一個規(guī)則庫不斷的進(jìn)行豐富，同時結(jié)合詞典分詞與統(tǒng)計分詞，提高醫(yī)學(xué)中文分詞算法的精度與速度。
3，大數(shù)據(jù)量的存儲與多系統(tǒng)集成技術(shù)
進(jìn)行完善的醫(yī)療研究與臨床工作，往往需要多方面的數(shù)據(jù)進(jìn)行支持，且電子病歷在實際工作中產(chǎn)生的數(shù)據(jù)量是比較大的，已有證據(jù)表明，電子病歷所產(chǎn)生的數(shù)據(jù)量在各醫(yī)療信息系統(tǒng)中幾乎一直排名前三。
在這樣的背景下，需要引起注意的是隨著數(shù)據(jù)應(yīng)用要求的不斷提高，大量數(shù)據(jù)的存儲架構(gòu)上的調(diào)整，以及如何將多個系統(tǒng)進(jìn)行集成，綜合利用各個系統(tǒng)的數(shù)據(jù)為醫(yī)學(xué)實踐服務(wù)。
