（1）鉴于电子病历高度安全性要求，在众多电子病历签名方式中，目前国内外多采用基于PKI（public key infrastructure）的数字签名技术。PKI是利用非对称密码算法原理和技术，并提供网络安全服务的通用性的基础设施。“非对称密码算法”的密钥是一对互不相等的数据单，其中一条对外界公开的为“公钥”，另一条由拥有者保管的为“私钥”，利用这种特性密钥进行加密和解密的特定算法，将加密前的“明文”与加密后的“密文”进行加密或还原。
（2）PKI的核心执行机构是CA，即第三方认证中心。我国“电子签名法”第十七条规定：“电子签名需要第三方认证的，由依法设定的电子认证服务提供者提供认证服务。”CA除了认证服务，还负责密钥的产生、保管、注销、挂失等服务。CA是由国家主管部门批准的、有技术保障的第三方机构，具有权威性、可信性和公正性。医疗领域应成立专门的CA，因为医务人员签名的认证有其特殊性。首先，在常规认证同时还要审查该医务人员有无合法执业资格，所服务的医疗机构有无合法的执业资格。其次，我国众多的医务人员要使用电子签名必须全部经CA认证。最后，一份电子病历常由多名医务人员完成，需要多人就不同的内容、不同的目的签名。例如，管床医师每天分次录入数据，需一人多次签名；上级医师查房、修改病历后签名，又会形成对同一段记录的多人签名。
（3）电子签名必须与时间印戳相关联。时间印戳记载了电子签名的生成时间，可验证医师在签名前是否已获执业资格，医师再次修改病历的时间差，以及盗用私钥篡改病历的时间。
3）电子签名与电子病历既然属于法律范畴，那么除了严格的管理制度和管理监督措施以外，对于窃取、篡改、滥用电子签名，构成犯罪事实的，应予以法律制裁，以保障电子病历的健康成长。
台湾电子病历模组（TMT）入院记录单张电子签章架构，在该签章模组里设置了姓名、职称、单位、签名日期时间以外，还设置了签章人员所需负责的内容范围（即文件内容的相对位置，或文件内容外的相对位置），并预留签章软件及签章数据栏位置，另外也预留了时间印戳服务器位置。
4）存在问题
我国在电子病历相关法律规定上还存在不少问题有待解决，例如电子病历的立法，电子病历电子签名的确认，医疗领域CA的建设，保护患者隐私的法规等。这些都是我们努力的目标。
8.11电子病历的作用
1）增加病历的正确性、共享性和便利性
电子病历规范的架构模型、知识驱动性的结构化录入方式、对录入错误监测提示功能，保证了电子病历内容的正确性。电子病历数据的标准化及数据传输的标准化，使得所有授权用户在任何时间、任何地点实现信息的共享性，从而为患者的多向转诊、远程医疗和医师的团队合作提供了可能。电子病历的分布式存储、网络传输安全性使得信息的访问、处理更加便捷；而结构化录入方式和良好的人机界面使得医护人员完成病历更加便利。
2）提高医疗质量
电子病历的结构化数据、强大的医学知识库和规则库，以及它的决策支持功能使得电子病历能在医疗过程中及时对错误作出“提醒”和“警示”，并对诊断和治疗作出规范的建议，这些都极大地提高了医疗质量，保障患者的安全和健康。
3）医学研究
循征医学（evidence‐based medicine，EBM）是以临床资料实证为基础的医学科学，是设计严谨、方法科学的可靠临床科研报告，证据是其基石，电子病历结构化的数据是EBM最佳证据，因为它规范、准确、含有医学知识原理和概念。
回顾性研究是临床研究的金标准，与前瞻性研究相比，所需成本和时间更少。电子病历结构化内容和数据为回顾性研究提供了基础，它能根据设计要求，抽取研究组和对照组案例，同时准确提取相关的资料——症状、体征、检查结果、用药情况，并按照设计进行统计分析。对于患者自身治疗前后的对比研究，对于群体患者的前瞻性研究，电子病历也能提供无可比拟的科研数据。
4）支持医疗改革和经济效益的监管
医疗改革是我国当前的重大任务，面对医疗服务市场、医疗机构的经济效益诸多问题，面对日益增长的医疗费用和老百姓“看病贵”的矛盾，如何寻求解决良策是医疗改革的主要课题，电子病历准确规范的数据、适时监控的功能有助于上述问题的解决。例如，为了遏制医疗机构的昂贵的“大处方”和过度检查费用，可以依据电子病历记录的“疾病诊断相关组”支付医疗费用，取代目前按项目付费（参考第16章医疗保险）。另外，标准化的数据，有利于卫生行政部门从大样本的病历中准确提取各类统计数据，以利于制定正确、有效的医改方案。
8.12电子病历面临的挑战
尽管许多专家长期从事电子病历的理论研究，尽管许多厂商推介了诸多的电子病历产品，然而现今的电子病历仍不能实现它本身的定义，也不能满足医疗卫生事业发展的需求。相对于HIS、LIS、PACS 等医学信息系统，它更为年轻、艰难，因而充满激烈的挑战。
8.12.1自然语言处理
自然语言处理（NLP）是指利用信息技术从自由文本上自动提取结构化数据。NLP基本功能是对所用的术语产生索引，这些索引可以提取含有一个或多个指定术语的文本，并将它们联系起来处理，进行推论。
人们早就期望通过NLP 来理解、分析、处理自由文本内容，并为之长期努力，但迄今仍难以全部实现。然而专家们同时认为，针对某一专门学科领域，遵循某一专业的规律，进行自然语言的语义分析，是比较客观可行的研究方向。换言之，利用NPL 识别、处理一篇病史记录，较识别、理解一篇小说或诗歌更现实可行。由于医学语言具有一定规则性，电子病历的文档具有规范的结构性，使得电子病历成为适合于语义分析的领域，为NLP实现提供可行性。
医疗专业词典（包括医学分类系统、医学术语集）、医学领域中文本句法以及语言结构知识（语法、词法等）有助于分析电子病历中的自由文本（或自然语言）。
因此医学专业词典的编码要求将医学术语和这些知识（语义学、同义词）组成有意义的表达方式，使得这些术语有其语义基础，与语法知识结合起来，就可以做出具有医学意义的语句解释。例如上述心绞痛患者的主诉“发作性心前区压榨样疼痛3个月”中有若干术语：“疼痛”是一个症状，“心前区”是一个部位；“压榨性”是一种性质描述，“发作性”是一种频率描述，“3个月”是一个时间描述（月是时间单位，3是长短数值）。根据语法知识的组合，“疼痛”是主导词，“心前区”、“压榨性”等都是对疼痛的描述，换言之，疼痛可以通过部位、性质、发作频率、发生时间来进行描述。NLP 将这些术语提取出来。产生索引，映射到指定术语文本，例如SNOMED，电子病历系统就可以“读懂”这个主诉的医学含义。
NLP 用于电子病历具有许多优势：医生在书写病历时不必改变他们习惯的记录方式，可以应用自由文本录入，也可以借助语音录入，将结构化的工作交给计算机来处理。
NLP 可以分析自然语言中的句子，理解其中词汇语义，并自动予以处理。医生在分析复杂多变病例时，不受模板结构的限制，自由地思维和创新。
NLP 也存在很多问题。首先NLP 可能存在错误解释的危险，需要人工去检查和确认它的解释。遗憾的是，描述性信息经常包含歧义性，它可以为人脑所解决，却难以通过计算机的算法所解决。例如，对于“一只手提包”，我们可以理解为句子“一只——手——提着——包”，也可以理解为词组“一只——手提包”。其次NLP 目前还只能在较小范围内实现它的功能，难以覆盖电子病历全貌。我们期待计算机科学、语言学、数学、医学的多学科研究人员共同致力于NLP 的研究。