7月4日，国内医疗 AI 应用领导者云知声在厦门召开主题为“AI 赋能临床：从助手到专家”的医疗AI产品发布会，正式推出了其面向诊疗服务前、中、后不同阶段与场景的系列 AI 产品与解决方案，包括导医机器人、智能候诊解决方案、医疗语音交互解决方案、智能病历生成系统、智能病历质控系统，以及智能院后管理解决方案等。现场，云知声 IoT 事业部总裁谢冠超还首度公开了云知声“医疗+AI”的战略图景及其实践路径。

    CHIMA 主任委员、《中国医院》杂志社社长王才有，厦门火炬高新区管委会软件园管理处副处长黄位旺博士，中国信息协会医疗卫生和健康产业分会会长宋新受邀作为致辞嘉宾出席本次发布会。福建省立医院信息网络中心王晟医生、东南大学附属中大医院网络信息中心主任史亚香、山东千佛山医院网络信息中心主任李锋作为云知声医疗业务合作伙伴代表，与现场近两百余位嘉宾分享了云知声医疗 AI 产品在医院的使用情况。

CHIMA 主任委员、《中国医院》杂志社社长王才有

厦门火炬高新区管委会软件园管理处副处长黄位旺博士

    中国信息协会医疗卫生和健康产业分会会长宋新向理解、决策升级。未来，云知声将持续把临床知识图谱、自然语言理解等认知领域的人工智能技术应用到临床诊疗业务的各个环节，打造覆盖诊前、诊中、诊后智慧医疗全生态闭环的产品与解决方案，不断激发医疗服务活力，为临床诊疗业务赋能。

多款重磅产品，助力诊疗增速提效

    除了系统解读云知声智慧医疗整体战略之外，发布会现场，云知声还携手相关合作医院详细介绍了“医疗语音交互解决方案”、“智能病历质控”、“ 智能候诊&智能随访解决方案”等重点产品的功能特点与应用情况。

■ 医疗语音交互解决方案

    据美国医学会（AMA）的统计，医生职业生涯大约 35%-40% 的时间用于病历书写及相关文案工作上。医生键盘录入速度受限于熟练程度，效率低下，且多使用模板，无法突出患者病情特异性。内容重复较多，使得病历千篇一律，失去科研价值。使用复制、黏贴，更会大概率成为诊疗事故的诱因。而借助语音识别应用，可以提高医生录入工作 20%-40% 效率，尤其在工作量高、时间压力大的科室，越复杂的报告，就越能体现语音录入的价值。

    云知声医疗 AI 产品经理郭崇亮介绍，云知声医疗语音交互解决方案由医疗语音识别引擎、语音录入客户端、定制麦克风和鼠标组成。以深度学习、超级计算和大数据等 AI 技术为基础，云知声构建了智能医疗语言模型，形成了语音病历系统的核心大脑，使得语音识别引擎具备识别快、识别准、不怕口音、抗噪性强等特征。

    为适应医院不同科室实际的使用需求，该系统提供两个版本。其中，标准版提供一种方便快捷的辅助录入方式，医生通过口述患者病情，系统自动将语音转为文字，实时将文本输入至光标所在位置，从而提高录入效率；升级版则将专科识别模型、语音操控接口、语音过滤等专科化功能，都作为单独模块开发，实现系统的低耦合。可根据业务和场景需要与标准版系统进行自由组装，打包成不同的专科方案。

    福建省立医院信息网络中心王晟医生从应用的角度，分享了与云知声的合作历程，并重点介绍了双方针对闽南口音优化方面的工作。他指出，目前云知声医疗语音交互解决方案已在福建省立医院门诊全科室上线，识别准确率平均达 97%，病历书写效率提升达 40% 。

■ 智能病历质控

    云知声医疗 AI 产品总监孙熙介绍，目前我国三甲医院每天的出院患者多达上百例，病历质控工作量大、专业性强，但电子病历系统的模块仅能完成简单的形式质控，内涵质控仍需要专业人员手动完成，人力资源和业务需求形成不可调和的矛盾。为此，云知声应用 AI 技术能力推出智能病历质控系统，可准确理解病历内涵并进行缺陷筛查，重塑业务流程，大幅提高病历质控工作效率，以及质控深度和广度。

    他指出，智能病历质控系统践行了云知声在医疗领域从感知到认知的战略升级，该产品应用自然语言理解技术，结合临床知识图谱，为医生书写的病历文书进行缺陷筛查，可有效提升病历质量，从而保障医疗服务质量和医疗安全。目前，云知声智能病历质控已在国内各大医院陆续落地，其中东南大学附属中大医院便是系统落地的核心合作方之一。

    东南大学附属中大医院网络信息中心主任史亚香在发言中指出，在医疗质量管理中，病历质控是医院管理的核心部分。AI 病历质控产品的应用，既响应了国家医管政策，也满足了医院智慧化升级中的业务需求。她介绍到，目前中大医院病历质检覆盖率已达 100% ，质检缺陷覆盖面由原来的重点缺陷检查升级为全缺陷检查，质检工作提速接近 10 倍。

■ 智能候诊&智能随访解决方案

    此次发布会上重点推出的又一产品——云知声智能候诊系统，在候诊室，机器人可主动发起和引导与患者的对话，完成病史采集工作，并将患者的病情摘要（病史）发送给医生，使得医生在见到患者之前，就能对患者的病情有初步了解，从而提高医生问诊效率，减少误诊。

    智能随访解决方案，则可以根据规定问题模板模拟“医生”打电话给病人，提高随访效率，并可确保随访信息采集的全覆盖及准确性。同时，该系统还可为患者提供了各种个性化的院后服务，如复诊智能提醒、用药智能提醒、随访互动、康复指导、健康记录、医疗查询，帮助患者实现自我康复与健康管理，从另一角度来说也替医院完成了院后的服务延伸，增强用户体验和患者就医满意度。

    云知声医疗业务合作伙伴，千佛山医院网络信息中心主任李锋指出，传统的候诊通常采取问卷填写方式，就诊时才可填写，人多时候容易造成排队情况，造成医患双方时间的浪费。引入智能问诊系统之后，通过在问诊逻辑方面的针对优化，相当于为医生配备了一个助手，完成常规性的诊前问诊，可有效减少医生的重复性病史采集（问诊）工作，提高问诊效率，使诊断更有针对性。

医疗知识图谱——从助手到专家的基石

    当前，人工智能应用在医疗领域逐渐普及，所带来的社会与经济价值与日凸显。但从实际应用情况看，在大多数场景下，AI 所充当的更多的还是“助手”角色，医疗 AI 产品离人们所期待的“专家”定位还相去甚远。而影响人工智能从“助手”走向“专家”的关键，恰恰在于知识图谱。

    云知声 AI Labs 资深技术专家刘升平指出，知识图谱是人工智能时代打造面向诊疗服、家居生活、儿童教育等不同场景行业专家的基石。通常，我们所面对的如医疗问诊、酒店中控等常见的人工智能应用，更多的是希望机器能够像“专家”一样理解、思考并给与决策。要实现向行业“专家”的转型，关键就在于行业知识图谱的构建。以医疗行业为例，其作为一门知识驱动型的学科，如果能够收集到足够丰富、可靠的数据，依托机器学习、自然语言处理等技术构建起强大的知识图谱体系，就能在辅助决策层面发挥应用的价值。

    他提到，在医疗行业，基于知识图谱的智慧型医疗系统建设主要涉及到语言、知识和决策三个关键要素。其中，语言分为患者语言、临床医生语言、专家语言，机器需要熟练掌握医疗行业各角色的口语和书面语；知识则分为医疗知识图谱（如疾病、症状、检查、药物、部位等）和临床规则（诊断规则、用药规则等）；最后是决策能力，即医疗问题的解决方案，涵盖到诊分诊、问诊、病历生成、病历质控、辅助诊断、医保审核等诸多维度。

    截至目前，在医疗知识图谱领域，云知声已储备约 50 万医学概念，超过 169万医学术语库，超过 398 万医学关系库，以及 52 万医学属性值对，涵盖了绝大部分药品、疾病、科室与检查，规模体量达国际领先水准。

    在这一轮声势浩大的 AI 浪潮中，医疗行业受新技术、新理念的冲击不断增强，AI 与医疗深度融合的智慧型医疗服务体系建设当前已成必然。作为医疗行业AI应用领军者，云知声正是抓住了这一机遇，从工具型语音 AI 产品切入，不断拓展自身场景范围，通过打造覆盖诊疗全流程的产品体系，切实为医院、医生增速提效，令患者享受到高效、优质的诊疗服务。未来，云知声将继续发挥在医疗AI领域的技术与产业化优势，推动创新技术成果与医疗行业的融合应用，为产业智变升级贡献力量。