文/于越 董晓睿

    基于自然语言算法(NLP)这一智能分析工具，可实现投诉件的快速分类，未来还可生成匹配回复模板，提高工作效率的同时可标准化回复内容。

    近年来，医患关系成为焦点与热点，逐年增加的投诉事件使医患沟通办公室压力倍增，如何快速高效地辨识纠纷类型并给予满意回复，成为提高医院服务满意度与缓解矛盾的主要途径之一。然而，目前在这类事件处理中却存在从事医疗纠纷解决的沟通人员总量不足、专业不够、问题类型繁杂、回复内容有待规范等诸多问题。

    人工智能领域中的自然语言处理技术(Natural Language Processing，NLP)，可自动解析语义信息，现已广泛应用于各行各业，同时也为医院业务处理带来了便利。通过模型训练发现，自然语言处理算法不仅可以对投诉件进行分类、分析和搜索，还可生成匹配的标准化回复模板。

    医疗投诉件分析工具的发展与挑战

    微软创始人比尔·盖茨曾说过，“自然语言处理是人工智能领域皇冠上的明珠”。该技术是由计算机科学、语言学、心理认知学等一系列学科构成的一门交叉学科。自然语言处理技术在医院业务中已经得到广泛应用，其中最重要的是针对电子病历(Electronic Medical Record，EMR)的文本处理应用，海量病历中蕴含了大量信息，电子病历已成为医学研究获取数据的重要来源之一，自然语言处理算法不仅为研究人员节省了结构化病例的时间，还可以“读懂”病历数据，提高临床科研效率的同时也能深度挖掘其隐含信息。

    IBM在过去6年以来收集了超过100万名患者近2000万的病例数据，包含了超过200个参数，通过对电子病历进行梳理分析，还发现与疾病发生十分相关但未在医疗记录中输入的信息，包括患者吸烟盒数、处方药服用形式、心脏的供血能力等。这些隐含信息可能被医生所忽视，但却无法逃脱自然语言处理技术的分析，其预测算法在一年内发现了8500名有心力衰竭风险的患者。

    自然语言处理不仅可以解析电子病历，还可处理医疗纠纷投诉件，协助答复人员标注内容中的关键信息、分类投诉件、自动识别所涉及科室(内科、外科、门急诊等)、推荐标准化回复模板等，提高重复和相似投诉的处理速度，完善回复的标准化水平。随着投诉渠道的完善，近几年投诉事件逐年提升，以杭州为例，2017—2019年杭州总共受理各类医疗投诉3155件，并以每年20%的速度增加。北京某三甲医院2009—2018年共有5598人次患者进行投诉 ......