当医院数据学会「讲故事」

—— 一个让 AI 把病历变成叙事的项目实录

一、一个科室主任的「数据焦虑」

张主任是某三甲医院肿瘤血液科的负责人。每周一早晨，他的办公桌上都会堆满各种报表：本周入院多少人、出院多少人、做了多少台手术、用了哪些药、有没有患者短期内又回来住院……

数据不缺，甚至可以说太多了。但张主任真正想知道的，Excel 给不了他：

• 「我们科治疗肺恶性肿瘤，典型的流程到底是什么？」

• 「哪些患者该做 CT 却没做？」

• 「那位老患者三年来反复入院，他的病情到底是怎么变化的？」

这些问题，需要有人把散落在六张 Excel 表里的成千上万行记录，一点点拼凑、统计、整理，再写成一段人能读懂的话。这个过程，快则半天，慢则两三天。

二、我们的解法：让数据自己开口说话

我们做了一个叫「医院叙事生成助手」的系统。它的核心逻辑很简单，分三步：

第一步，「搭骨架」——把散落的病历数据串成一张关系网。就像把一堆拼图碎片，先拼出轮廓。我们从 3990 名患者的入院记录、出院小结、医嘱、检查、检验、手术记录中，提取出「患者—就诊—诊断—用药—检查—手术」的完整链条，在数据库里构建了一张医疗知识图谱。

第二步，「查档案」——你想问什么，系统先去图谱里找真实答案。比如问「肺恶性肿瘤常用哪些药？」，系统不会凭空瞎编，而是去图谱里统计所有肺恶性肿瘤患者的用药记录，把真实数据整理成一份「证据清单」。

第三步，「讲故事」——把冷冰冰的统计数字，交给大模型写成人话。同样的数据，可以讲成不同的故事：给科室主任看的是「诊疗路径规范」，给质控科看的是「异常病例预警」，给临床医生看的是「某位患者的完整就诊历程」。

三、六个真实场景：数据叙事能做什么？

场景 1：一位老患者的「三年就诊史」

输入患者 ID，系统自动拉出他三年来的每一次入院、诊断、用药、检查、手术，写成一段 800 字的连贯叙事。不再是翻六张表找记录，而是一段「患者 2022 年 3 月因咳嗽咯血入院，诊断为肺恶性肿瘤，行胸腔镜手术，术后予华蟾素胶囊联合化疗……」的完整故事。

场景 2：一种疾病的「科室诊疗地图」

输入「肺恶性肿瘤」，系统统计出本科室治疗这种病的：最常用的 20 种药、最常规的 15 项检查、最常见的合并症、平均住院天数分布。然后写成一段「科室诊疗规范叙事」，直接可用于科室培训或质量汇报。

场景 3：发现「隐藏」的合并症关系

系统分析同一次就诊中的多个诊断，发现「肺恶性肿瘤 + 高血压」经常一起出现，还能挖掘更复杂的三病组合。这些关系藏在几万条记录里，肉眼几乎不可能发现。

场景 4：中西医结合的「用药密码」

肿瘤血液科大量采用中西医结合治疗。系统能分析「痰瘀互结证」常用哪些中药颗粒，对比纯西医组和中西医结合组的住院天数差异，甚至追踪中医证型就诊的季节性变化。

场景 5：质控科的「异常雷达」

系统自动扫描五类异常：该做 CT 却没做的肺肿瘤患者、住院天数异常偏长的病例、出院 30 天内又回来的患者、贫血却没补铁的情况、可能存在相互作用的药品组合。输出一份带风险评级和整改建议的质控报告。

场景 6：自然语言「问数据」

不用学SQL，不用翻表格。直接打字问：「高血压常见合并症是什么？」「那位患者最后一次就诊用了什么药？」系统先理解你的问题，再去图谱里找答案，最后用自然语言回复你。每个回答都标注了数据来源，确保不「胡说」。

四、为什么这很重要？三个关键词

🔹 快：过去需要统计员花大半天整理的数据，现在几分钟就能生成带图表、带叙事的完整报告。

🔹 深：知识图谱让数据之间的关系「显形」。合并症网络、药品共现、诊疗路径模式——这些洞察藏在海量记录里，传统统计很难直观呈现。

🔹 真：系统每个回答都基于真实数据，标注了数据来源。在医疗这种「说错一句都可能出大事」的领域，「有据可查」比「说得漂亮」更重要。

五、未来：从「讲故事」到「预判风险」

现在的系统，主要是在「描述过去」——患者经历了什么、科室怎么治的、哪里可能有问题。下一步，我们想让它学会「预测未来」。

比如：基于某位患者的历史就诊模式，生成「该患者未来 30 天内非计划再入院的风险为 X%」的预测性叙事。或者，基于相似患者的图谱特征，为医生推荐「可以参考的诊疗案例」。

从「事后总结」到「事前预警」，这是数据叙事最有价值的进化方向。

结语

医疗数据从来不缺，缺的是让数据「开口」的方式。

我们做的这个系统，本质上是一个「翻译器」——把数据库里的行和列，翻译成医生能听懂、能使用、能汇报的故事。大模型在这里不是替代医生的「黑箱」，而是帮医生从数据海洋里快速定位、整理、表达信息的「助手」。

当数据开始讲故事，医生就能用更少的时间，做更好的决策。这，就是 AI 数据叙事的真正意义。