当今世界，是数据爆发的时代。面对医院诊疗、病理、影像等海量医疗数据，特别是贯穿患者整个诊疗过程的电子病历、检查、检验以及院外随访数据等，如何有效地利用数据进行专病研究的分析和挖掘，使数据真正转化成科研成果，提高科研创新能力和医疗服务水平，已成为医疗信息化中一个关注的重点。

基于此，科创医疗（科医云）以医疗大数据和人工智能创新技术为核心，自主研发推出了面向医疗领域的智慧健康中台，包含多模态数据采集、数据标准治理、数据分析建模、数据安全管理、数据共享交换、数据智能检索、知识图谱服务、服务编排管理、数据接口开放、业务能力开放等能力。

【资料图】

对科研工作者而言，数据采集与管理是最基础也是最重要的工作之一。电子病历报告应用作为专病服务平台核心能力之一，提供了多方式建库和智能化管理能力。电子病历报告应用，面向临床数据研究领域，以高效的自动建库、自动核验、自动分析等智能化研究路径，帮助医护人员节约在临床研究构建和管理上的时间，加速临床研究技术环节进程，提升临床研究质量和效率。应用包括自定义报表、多中心协作、数据逻辑核验、数据智能检索、患者全息视图、专病库建设、数据安全迁移等功能，帮助医护人员智能化提供完整的、全面的研究数据，提供统计分析报表，为医院高质量、高效率地开展临床研究提供先进的技术支撑。

智能化数据自动建库能力

临床科研过程中，往往需要耗费大量的时间和精力来整理、研究采集的数据。为此，电子病历报告应用支持直接创建和人工导入两种数据建库方式，前者可由项目人员直接从应用建立的患者人群中选取所需变量数据，方便快捷；后者主要针对医生手工收集的部分数据，可以标准数据格式导入平台。同时，应用还提供了智能化的自动建库和逻辑核查体系，依托智慧健康中台的人工智能技术和数据分析服务能力，通过统一的数据结构标准，与智慧健康中台上不同的应用进行数据对接，实现自动添加患者、自动填充数据、自动核查异常数据、自动查缺补漏、自动生成分析报告的智能化建库核验操作，只需用户根据分析报告稍作核查即可，可减少约60%的建库时间，减轻核查工作量，提高工作效率以及临床试验数据质量。

先进的临床数据算法模型

为更好地应对各种数据类型和复杂场景需求，电子病历报告应用运用自然语言处理技术，对临床数据建立算法模型，对医院的数据进行标准化、结构化，实现大量非结构化原始临床数据向结构化数据转换，目前已积累接近100万结构化的病历数据。同时将大数据、NLP文本解析、智能语音技术、数据挖掘、知识图谱等技术进行深度融合，建立疾病、症状、体征等不同实体间的关联关系，对识别的结构化数据进行自然语言语义转换定义，消除因医学术语表达差异造成的语义鸿沟，实现语音智能质疑答复功能，使研究数据采集、清理等流程变得更加的便捷高效。

完善的专病数据分析模型

值得注意的是，开展重大疾病专病数据库对数据采集质量及规模要求较高。为确保不同重大疾病专病数据库标准规范性，电子病历报告应用参照国家电子病历及信息化行业标准、国际疾病分类编码、最新临床专病指南与共识、世界卫生组织药物词典等相关行业及专业领域的规范，建立了以疾病为中心、具有完整时间序列的多病种专病数据模型，增加了临床数据采集的深度和广度，实现高效的数据智能化分析，确保重大疾病专病数据库信息统一性，保障数据的质量和分析结果的准确性。

强大的数据中心链接能力

电子病历报告应用区别于传统的项目型工具，可以通过与智慧健康中台的能力开放平台服务对接，实现与第三方数据源的链接，为用户快速搭建项目数据库，简化数据采集管理流程、数据迁移过程，减少迁移时间，控制潜在风险，同时具备更强的数据传输能力，实现与HIS、LIS、PACS、RIS等信息系统的数据集成，实现平台化的数据传输，大幅减少建库、异常数据质疑等操作流程的时间，降低数据管理成本，保障项目的运营效率。

由上可见，电子病历报告应用不仅解决了医疗复杂场景内遇到的各种数据挑战与需求，同时还降低了数据管理成本，使数据自动采集过程更加简便和标准化，改善数据信息管理和分析方式，实现高效的科研数据管理。

作为临床科研数据管理的重要技术手段，电子病历报告应用在国内的普及率逐步提升。目前已在“国家老年疾病临床医学研究中心（湘雅）网络信息平台”“中国帕金森病及运动障碍疾病多中心数据库及协作网”等项目中得以实际应用，获得了市场的充分认可和验证。通过电子病历报告应用，内置多个专科专病数据库模型、数据分析算法模型和数据采集模型，为科研工作者提供自动建库、自动核验、自动分析等智能化研究路径，缩短了科研专病数据库的建库时间，实现eCRF设计、患者随访、统计分析的全生命周期项目管理，为医院高质量、高效率地开展临床研究提供有力的支撑。

如果说，数据是信息时代的“能源”，那么海量医疗数据内就蕴含着促进临床医学研究发展的“动能”。电子病历报告应用是科创医疗（科医云）在智慧医疗领域的创新应用之一，实现医疗数据资源的自动建库、科学治理、模型分析、聚合链接，助力科研人员从数据中抽丝剥茧，透过数据获得价值信息，提升科研创新能力，最终促进临床医学研究的发展。

关键词：