杨紫桐,宋昀萱,孙涌皓

随着医疗数字化转型的加速，检验报告解读中医患信息不对称问题日益突出，导致患者对检验结果的理解不足和焦虑加重。本文基于循证医学构建了“医学知识图谱+智能决策”双引擎驱动的检验报告智能解读系统。研究遵循“需求调研—数据整合—系统开发—效果评测”的闭环设计，整合HIS脱敏数据、循证医学文献与专家知识，构建覆盖14大类、26余项检验项目的知识库，并采用规则引擎与深度学习混合架构，实现异常指标溯源、风险预警与个性化健康管理。多中心试点结果显示，该系统显著提升了患者对检验结果的认知准确率（95.51%）、缓解焦虑水平（下降81.3%），同时提高了医生工作效率（节省沟通时间51.11%），并在糖尿病等慢性病早期筛查中取得明显成效。研究表明，该系统在模式、数据、服务和技术层面实现了创新，兼具临床应用价值、经济价值和社会价值，对优化医患沟通、推动智慧医疗建设具有重要意义。

循证医学；检验报告解读；知识图谱；人工智能；智慧医疗

[1] 于帆,何海洪,周义文.人工智能在检验医学领域的应用进展[J].国际检验医学杂志,2023,44(18):2267-2273. [2] 李杨,杜雷雷,许飞,李艺萱,乔恩.大数据与人工智能在医学领域的应用进展[J].协和医学杂志,2023,14(01):184-189. [3] 柯娟玉,于帆,黄良娟,等.微信端智能解读检验报告单系统的构建及应用[J].海南医学,2020,31(08):1029-1032. [4] 施俊,汪琳琳,王珊珊,陈艳霞,王乾,魏冬铭,梁淑君,彭佳林,易佳锦,刘盛锋,倪东,王明亮,张道强,沈定刚.深度学习在医学影像中的应用综述[J].中国图像图形学报,2020,25(10):1953-1981. [5] 金征宇.人工智能医学影像应用:现实与挑战[J].放射学实践,2018,33(10):989-991. [6] FelinT,KoenderinkJ,KruegerJI,NobleD,EllisGFR.Databias.GenomeBiol.2021;22(1):59.Published2021Feb10. [7] ElderJW,CooperRJ,SchrigerDL.Inreply.AnnEmergMed.2018;71(6):798. [8] PapageorgiouSN.Oncorrelationcoefficientsandtheirinterpretation.JOrthod.2022;49(3):359-361. [9] EfthimiouO,SeoM,ChalkouK,DebrayT,EggerM,SalantiG.Developingclinicalpredictionmodels:astep-by-stepguide.BMJ.2024;386:e078276.Published2024Sep3. [10] NoguchiK,AbelRS,Marmolejo-RamosF,KonietschkeF.Nonparametricmultiplecomparisons.BehavResMethods.2020;52(2):489-502.

点击下载PDF