）技术实现病历数据的语义理解，将描述性的自然语言进行结构化、标准化处理，深度学习算法还可以将个性化的病历数据归纳入规则库，结合临床指南、各类量表建立VTE知识图谱，提升最终机器模型的准确率，同时解决医生面临的“数据录入难”、“数据分析难”两大问题。

此外，基于人工智能的临床决策支持功能可以帮助医务人员进行自动评估，根据患者禁忌症提醒预防医嘱的开立……通过AI质量控制将质控关口前移，进而解决了医生VTE内涵质量的控制问题。

同时，惠每还会定期与医生进行沟通，以满足特定医院的特殊要求，系统亦在临床应用过程中愈加“智慧”。打个比方，惠每与中日友好医院医务等部门会通过定期例会沟通系统使用的反馈和建议，例如在VTE系统上线初期，临床反馈原有的警示方式还不足以让医生能够在第一时间清晰判断CDSS警示的严重程度，对此，惠每增加不同颜色的提醒模式优化，让医生护士能够在确认患者情况前，就对风险性有了初步了解，这一细节上的改变进一步提升了院内VTE防控系统的有效性。

森亿智能出血评估与数据库治理

以中文医学自然语言处理技术起家的森亿智能也在CDSS之中进行了多种尝试，目前已在VTE、心内科、儿科、等方面创造了较为成熟的产品。在森亿智能看来，做好专科CDSS系统，一定要摸清临床诊疗的决策路径，找出环节中的痛点，利用数据与知识加以解决。

卢翔表示：“以出血评估为例，采用量表评估时，出血临床定义包含既往出血病史、出血体质、血液疾病这三个方面的数据。 这三个方面在临床里面，可能存在50多种定义，这些定义的内容有些来源于检验指标，有些来源于病历文本，有些来源于病史的一个诊断。如果仅靠医生、护士去分析如此多的指标，一是工作量大，二是结果不能保证准确。但若通过自然语言处理以及数据标准化等一系列处理，我们能够快速给出准确的出血评估。”

此外，随着近年来临床医学的发展，医院业务的变革，需要一套随时可以配置的医疗知识库。在这一方面，森亿智能通过不断的更新以保证知识库的有效性。

“第一步是知识的理解，即在做这件事的开始，我们会不断跟临床医生进行沟通，另一方面会将最终的医疗决策内容，与相关的KOL进行讨论。如果这一知识的最终医学理解没有问题，那么我们才会将其转化为计算机语言，进行第二步测试。”