融合人工智能技术的急诊医患冲突患方风险因素分析及预测模型构建
四川省医学科学院·四川省人民医院
苟莉团队
医疗环境的特殊性使医患双方容易产生冲突。医患冲突带来极其负面的影响，如给医护人员带来身、心问题，医护人员病假率、抑郁症发生率和离职率增加，职业认同下降等，还会影响医院工作秩序，影响其他患者的住院情绪。四川省人民医院苟莉团队以急诊医患冲突为研究对象，通过对医患冲突患方风险因素（如患者候诊时间、陪护情况、患者病情等）进行观察调查和采用人工智能技术对患方冲突前的语言情绪愤怒程度进行判别，从而获得医患冲突的患方风险因素指标，构建了急诊医患冲突患方风险预测模型。基于该研究的创新成果，项目组荣获2023年四川省医学青年科技奖一等奖。
建立了急诊患者语言愤怒情绪的判别方法
基于语气进行愤怒情绪识别建模。经过分析和权衡，在语音特征提取中确定的181个维度的特征向量表征声音的特征，作为该研究的其中一个发明点。而chroma81特征权重系数最高。采用常见的监督学习方法对181 维语音特征进行分析，结果显示，SVM算法对提取的181维语音特征进行分析语气的愤怒概率，拟合程度最优。
基于语义进行语音愤怒情绪识别建模。利用基于中文文本分词模型的jieba 库进行分词及 google 的word2vec库对语音内容进行词向量化。向量化之后的内容进一步进行聚类分析，得出每种情绪的概率结果。该研究设计愤怒度得分为 1-4分，分为无风险、低风险、中风险及高风险四个等级。
采用朴素贝叶斯模型对语气和语义的愤怒概率进行叠加，得出最后的愤怒概率。通过朴素贝叶斯算法对语义愤怒概率和语气愤怒概率进行整合，显示朴素贝叶斯整合模型计算的精确率为84%、召回率为78%和 F1 值为81%，均高于单独的语气判断和语义判断概率。
建立了急诊医患冲突患方风险预测模型
按建模与验证样本分别占总样本70%和30%的分配原则，将70%样本作为训练集，30%样本作为验证集。运用Python软件对数据进行分析，采用Logistic多元逐步回归分析独立风险因素，构建预测模型。分析显示，急诊的候诊时间、患者语言情绪愤怒程度、患者病情分级、患者既往精神疾病史、陪护人数、因医方工作繁忙未及时满足患方需求、患者不服从诊疗流程安排、质疑费用问题是急诊医患冲突患方因素中的独立风险因素。采用 ROC 曲线检验以上模型与急诊医患冲突的拟合效果，显示 ROC 曲线下面积为0.85,95%CI[0.79-0.89]，曲线 youden 指数为 0.66 ，灵敏度为 0.68，特异度为 0.98。
研究显示，候诊时间是急诊医患冲突的独立风险因素之一。急诊工作流程繁琐、医护人力资源不足，而患者病情急，期望值高，由于候诊时间长、患者等待导致的急诊冲突时有发生。这提示了医疗机构急诊环境应以“安全、快速”为目标，有切实可行的各级急诊患者就诊转运流程和与临床科室、职能部门、医技部门、后勤部门的有效沟通机制，使工作流程精简细化，满足急诊医疗护理需求。再者，医护人员应该关注说话对方的语言情绪状态。患方情绪作为表达个体愿望和需要的心理活动，是医方人员和患方沟通时需要关注的重要因素之一。该研究利用人工智能技术，协助医务工作者提高愤怒情绪的识别准确性。这也是通过 AI 技术评估临床医疗环境，帮助改善医疗服务的新举措。此外，患者病情、既往精神疾病史、陪护人数也是容易导致急诊医患冲突的因素，医务人员应当尽量了解这些因素，采取适当的预防措施，以防暴力出现或升级。出现患者激越行为时应当通过言语技巧、适当的约束措施等，以减少暴力行为发生。在患者费用方面，急诊部门应该做到收费透明，有据可查。患者救治过程中使用的昂贵自费药品应得到病人或家属同意后方可使用。如遇到患方对收费问题进行质疑时，医务人员应当仔细核查，并向患者和家属做好解释，避免冲突。
小 结
该项目组通过对急诊医患冲突患方风险因素进行观察调查和采用人工智能技术对患方冲突前的语言情绪愤怒度进行判别，从而获得医患冲突患方风险因素相关指标，构建了急诊医患冲突患方风险预测模型。研究显示，Chroma vectors在语音特征提取中的权重大于Tonal centroid features、 MFCC、Spectral contrast features；采用朴素贝叶斯模型对患方的语义和语气愤怒概率进行叠加，最后得出的患方语言情绪愤怒度精确率、召回率和F1值均高于单独的语气判断和语义判断模型。预测模型显示了急诊的候诊时间、患方的语言愤怒情绪、患者病情、患者既往精神疾病史、陪护人数、因医方工作繁忙未及时满足患方需求、患方不服从诊疗流程安排、患方质疑费用问题八个风险因素是导致急诊医患冲突的独立风险因素。该研究是采用人工智能技术在患者语言理解上的创新探索，风险预测模型为医院管理者和临床医护人员提供了信息和思路，使其能够在冲突发生前了解冲突产生和演化升级的相关因素，从而能够及时采取有效干预措施，减少冲突的发生或冲突带来的伤害。
