同济大学：适应多口音！基于语音识别的在线智能电子病历系统

医院传统的电子病历系统依赖于医护人员手动输入患者信息，导致医护人员每天需要花费大量时间填写电子病历。这种低效的互动严重影响了医患之间的沟通，降低了医生诊断患者病情的速度。基于深度学习的语音识别技术的快速发展有望改善这种情况。

近年来，电子病历（EMRs）在国内外医疗机构迅速普及，为医护人员记录患者病情带来了极大的便利。EMR的记录模板确实在很大程度上提高了医生的书写效率，但同时也造成了不同病情患者的相似甚至相同的病历。病历的这种同质化导致大量错误记录，严重影响了患者的护理。此外，电子病历记录的信息输入也会占用大量时间，影响医患之间对患者详细信息的沟通，一定程度上延缓治疗进程。

在这项工作中，来自同济大学的研究人员构建了一个基于语音交互的在线电子病历系统。该系统集成了医学语言知识库、专业语言模型、个性化声学模型和容错机制。因此，提出并开发了一种先进的电子病历系统方法，采用多口音自适应技术来避免由口音引起的错误，显着提高了语音识别的准确性。为了测试所提出的语音识别电子病历系统，使用来自真实医疗环境的音频和电子病历构建医疗语音识别数据集。在来自真实临床场景的数据集上，提出的算法明显优于其他机器学习算法。

此外，与依赖键盘输入的传统电子病历系统相比，系统效率更高，其准确率随着拟议系统在线时间的增加而增加。结果表明，所提出的电子病历系统有望彻底改变临床科室的传统工作方式，与依赖键盘输入的传统电子病历系统相比，它在诊所的服务效率更高，耗时更少，记录错误更少减少修改病历的时间消耗；由于所提出的语音识别电子病历系统建立在医学术语知识库之上，因此在医院临床场景中具有良好的普适性和适应性。

相关成果以题为An online intelligent electronic medical record system via speech recognition发表在International Journal of Distributed Sensor Networks期刊上。

论文链接：

https://journals.sagepub.com/doi/full/10.1177/15501329221134479

图 1。ISR中录音的架构框架。

图 2。FSA在场景识别中的过程。

表 1。多口音自适应技术的数据识别准确率（%）。

总的来说，通过语音识别技术，提出并构建了一个在线电子病历系统，通过语音通信的方式实现了医疗信息的输入和人工与计算机点之间的交互。所提出的 EMR 语音识别系统结合了医学术语库、系统专业语音模型和个性化声学模型，并具有用于语音识别中的口音调整或纠正的容错机制。为了获得乐观的语音识别准确率，提出了一种改进的前向大匹配算法，以实现信息输入和交互过程中语音识别过程的增强。为了完成改进的声学识别，构建了一个医学语音数据集，利用来自患者临床和诊断服务中真实环境的音频和 EMR。基于该医学语音数据集，所提出的算法在语音识别过程中明显优于其他机器学习算法。

所提出的在线 EMR 系统与传统 EMR 系统相比，缩短了医生记录病历的时间消耗，为医学影像工作人员提供了极大的便利，优化了临床检查工作流程，在临床上的服务效率更高。尽管如此，所提出的语音识别系统的效果还需要在更多的临床场景中观察，未来研究人员将继续研究语音识别算法的进一步增强、医学术语库的扩大以及识别模型的升级。