售前熱線 
在之前的討論中，我們已詳細闡述了OFD在醫(yī)療領域整合多種異構文檔和智慧閱讀的能力。
今天，我們將進一步回顧OFD的技術特性，以及其在電子病歷應用中的獨特優(yōu)勢，并在此基礎上，簡要介紹人工智能與OFD結合在臨床文檔數(shù)據(jù)后結構化處理及深度整合利用方面的應用。
OFD版式文件結構特點
OFD，全稱為開放版式文檔（Open Fixed Document），是一種基于XML技術的電子文檔格式，具備固定的版式和內(nèi)容，非常適合長期保存和精確再現(xiàn)。
OFD文件結構的特點主要體現(xiàn)在以下幾個方面：
OFD文件具有層次化結構，包括文檔、頁面和內(nèi)容元素。它支持豐富的版式控制和嵌入字體及資源，確保文檔獨立顯示的完整性和一致性。
OFD還具有良好的可擴展性，允許自定義元素和屬性以適應業(yè)務需求。
圖1 OFD文件的包內(nèi)結構
綜上所述
結合電子病歷特點，OFD版式文件結構以其層次化、版式控制、資源嵌入、可擴展性以及安全性的特點，成為一種非常適合于電子病歷文檔或者說全量臨床文檔長期保存和精確再現(xiàn)的優(yōu)秀格式。
那么，問題來了
問題一：
臨床文檔到底包括什么內(nèi)容？
臨床文檔，作為交換臨床信息的重要工具，記錄了患者的病情、治療過程和醫(yī)生的診斷。它不僅對治療方案的制定和跟蹤至關重要，還包含了患者的基本信息、病史、檢查結果、診斷結論、治療計劃以及外院歷史病歷等關鍵信息。這些記錄有助于醫(yī)生間溝通和患者信息的連續(xù)性。臨床文檔的準確性和完整性對醫(yī)療質(zhì)量和患者安全有顯著影響。
問題二：
臨床文檔是否都具備結構化數(shù)據(jù)的特性？
探討現(xiàn)代醫(yī)療體系中臨床文檔的重要性。這些文檔記錄患者健康信息和治療過程，包含大量結構化和非結構化數(shù)據(jù)。結構化數(shù)據(jù)便于計算機處理，但并非所有文檔都完全由結構化數(shù)據(jù)構成，部分文檔包含需通過自然語言處理技術提取信息的自由文本。
問題三：
如果有了全量的OFD臨床文檔，如何通過人工智能實現(xiàn)統(tǒng)一的，全量的結構化數(shù)據(jù)提取并且實現(xiàn)院內(nèi)數(shù)據(jù)字段一致性？
點聚OFD臨床文檔中心在構建結構化OFD文檔方面提供了兩種方法，以實現(xiàn)“數(shù)顯一體”的OFD臨床文檔。一種方法具有較高的性價比，而另一種則深度融合了大語言模型，應用場景更為廣泛。
1
OCR 文字識別+版面數(shù)據(jù)提取
OCR屬于人工智能嗎？
要解答這個問題，我們先要明確人工智能（AI）的含義。AI通常指使計算機系統(tǒng)具備執(zhí)行需人類智能參與的任務的能力，例如視覺感知、語音識別、決策制定及語言翻譯等。
OCR技術，即光學字符識別，其功能在于將圖片中的文字轉換為機器可識別的編碼文本，從而在某種程度上模擬了人類閱讀與理解文字的能力。
我們來看看基于OCR+OFD的應用場景是什么？
圖2 帶有坐標定位文字層的雙層OFD
OCR技術與人工智能緊密相關，盡管應用范圍有限，但其價值顯著。它能識別文字并精確定位。利用OFD格式的多層結構，OCR技術可將文字信息保存在OFD文件中。
如上期所述，文本定位已實現(xiàn)，全文檢索功能也已實現(xiàn)。結構化OFD文檔可通過數(shù)據(jù)套版原生生成，進一步實現(xiàn)結構化檢索與利用。
在醫(yī)學領域，僅全文檢索和部分結構化檢索不足以滿足需求。因此，我們探索了一種簡便方法獲取雙層OFD格式電子病歷的結構化內(nèi)容。點聚OFD臨床文檔中心嘗試通過版面提取技術在雙層OFD電子病歷上提取結構化數(shù)據(jù)。
基于醫(yī)療文檔模板的穩(wěn)定性，點聚OFD臨床文檔中心具備元數(shù)據(jù)管理功能。首先設定醫(yī)院元數(shù)據(jù)字段描述，然后利用版面定位技術，將元數(shù)據(jù)屬性以坐標形式嵌入雙層OFD文檔，實現(xiàn)非結構化數(shù)據(jù)向結構化數(shù)據(jù)文檔的轉換。
圖3 點聚OFD臨床文檔中心版面機構化數(shù)據(jù)提取界面
誰說版式文件就一定非得是非結構化文檔呢，通過OFD深度技術融合，元數(shù)據(jù)與OFD文檔結構中的數(shù)據(jù)屬性發(fā)生關聯(lián)，從此我們擁有了結構化雙層OFD文檔。
2
直接應用大型模型 實現(xiàn)更多的智能化應用
若醫(yī)院已具備GPU計算能力，那么問題將迎刃而解。通過運用大型模型，我們能夠賦予自動化處理的能力，將OFD中的文字與圖像內(nèi)容直接輸入大型模型中。如此一來，我們能夠開發(fā)的應用場景將不再局限于結構化處理一個方向，例如：
人工智能+OFD臨床文檔后結構化處理
無需人工干預，系統(tǒng)可直接進行后結構化處理，生成結構化OFD文檔。
主觀病歷內(nèi)容過于冗長？
無妨，大型模型助您提煉核心，濃縮內(nèi)容。
病歷質(zhì)控依賴人工審查？
無礙，大型模型依據(jù)您設定的質(zhì)控規(guī)則，自動為文檔評分并提出修改建議。
在醫(yī)療信息化領域，電子病歷數(shù)據(jù)的結構化與非結構化問題構成核心挑戰(zhàn)。結構化數(shù)據(jù)易于處理分析，非結構化數(shù)據(jù)（如醫(yī)生筆記、檢查報告圖片等）需復雜技術處理。
人工智能技術，特別是文本識別與提取技術，能將非結構化數(shù)據(jù)轉化為結構化信息，提升數(shù)據(jù)可用性和價值，優(yōu)化臨床決策支持系統(tǒng)，提高醫(yī)療服務質(zhì)量和效率。
結語：
電子病歷OFD版式文件后結構化處理中，結構化信息提取與整合極為重要。點聚的人工智能技術，特別是文本識別與提取技術，將非結構化醫(yī)療文檔轉換為結構化數(shù)據(jù)，便于存儲、檢索與分析。增強數(shù)據(jù)可用性，為臨床決策支持系統(tǒng)提供數(shù)據(jù)支撐。結構化數(shù)據(jù)轉化為知識，成為改善患者治療和管理電子病歷的強大助力。
點聚醫(yī)療OFD團隊秉持“持續(xù)學習，合作共贏”理念，期待您的加入，共創(chuàng)智慧醫(yī)療新篇章。
下期推薦
下期內(nèi)容將探討OFD臨床文檔與國家商用密碼應用結合，實現(xiàn)醫(yī)療文書可信化處理。敬請期待。
4006-600-577
