文章主题：产生背景, 临床决策支持系统, 应用前景, 关键技术
（一） 产生背景
临床决策支持系统(CDSS)是一种软件系统,它利用临床数据作为输入信息,通过计算和推理生成推论结果,以协助临床医生做出更准确的决策。
临床决策支持系统的应用目标在于提供有效的帮助，这源于其设计理念以循证医疗为基础，并以客观现实数据、医学指南和权威文献为主要依据。这种方法可以克服临床医生的知识局限性，减少人为错误，并提高药物使用效率。因此，临床决策支持系统的应用对于提升医疗效率和降低医疗错误具有积极的意义。
在临床实践中，医生的决策贯穿于整个临床流程，他们对每位患者都需基于其独特的病情特征与检查结果，进行反复评估和判断，目的在于制定出最为精确的诊断以及采取最具利于患者康复的治疗手段。
然而，在面对病情复杂多变的挑战时，医生常常会感到力不从心。即使他们全力以赴、严谨细致地工作，仍难以避免疏漏和错误的发生。据研究显示，由于决策失误导致的用药错误和处理不当，已经成为导致医疗差错以及责任事故的重要因素。
在科技迅猛进步的推动下，医学信息呈现爆炸性增长，使得患者疾病谱发生了显著变化。这无疑给医生的临床决策带来了巨大的挑战。尽管医生尽力通过持续的知识更新来跟进时代的步伐，但现代医疗技术的快速发展仍然让他们疲于应对。
如何降低医生的决策错误率是一个备受关注的问题。为了实现这一目标，人们一直在寻找能够协助医生迅速、精确做出决策的辅助工具，这正是临床决策支持系统（CDSS）设计的核心理念。数十年的研发努力，使得这个想法从遥远的科幻梦境变为现实。随着多次的优化和改进，CDSS已经开始向实际应用阶段迈进。
临床决策支持系统的基本原理为构建各种疾病的知识库，将各种病情的诊断标准、阈值判断、治疗处方、专家经验等输入计算机，借助计算机超强和精准的信息存储、提取功能及快速的计算能力，通过人工智能技术和计算机逻辑推理运算来模拟医生的诊断治疗思维，帮助医生做出快速诊断和治疗决策。
（二）应用前景
在中国，医疗水平发展不平衡的状态长期存在，很难依靠培养医生这一传统方式来短期解决。特别是在基层医疗单位，这一情况就显得更为突出，国家也一再强调“强基层”，采用了多种支持手段去协助基层医疗水平的改善。
回到医疗的本质，诊和疗仍然是万变不离其宗的根本，特别是诊断水平，更是基层医疗单位继续改善的方面，这也是分级诊疗制度实现的重要一环。
而随着现代科学技术的发展，特别是人工智能技术的应用、诊断的智能化、自动化将有机会在一定程度上得到实现，从而支持基层医疗水平的提高。从使用场景来看，临床决策支持系统拥有诊断决策、治疗决策和预后决策三大场景。
诊断决策：通用的临床决策支持系统，可以根据临床医生针对患者的症状的描述，在诊断、用药和手术之前，按照标准诊疗指南提示医生诊断要求、鉴别要点以及相关诊疗方案，包括手术诊断时提示手术操作要点及术前检查等。
治疗决策：临床决策支持系统根据病人的病情，医生的临床观察，结合医学指南和循证依据，向医生提示药品适应证、药理、药效等，包括手术并发症常见症状，以及术后综合治疗及评估方案等。
预后决策：临床决策支持系统挖掘患者与其既往医疗信息、临床研究之间联系的资料，以便于预测患者将来的健康问题，存储并分析不符合《临床诊疗指南》以及《临床技术操作规范》的治疗方案，为医疗质量评估提供依据，提升医院管理水平，规范医疗行为，同时也为循证医学提供科学的证据。
对基层医疗机构来说，培养一名全科医生大约需要5到10年的时间，如果这些医生能够合理利用临床决策支持系统，就能迅速提升他们的诊疗水平，加快培训进度，从而减少基层医疗的误诊、漏诊以及医患纠纷等问题。
（三）关键技术
临床决策支持系统关键技术包括了两大类：一是系统技术层面，二是数据技术层面。
1.系统关键技术
要论述系统技术层面的关键技术，就不能脱离著名的美国医疗信息与管理系统学会（HealthcareInformation and Management Systems Society，简称HIMSS）纲领性标准。依据美国医疗信息与管理系统学会 HIMSS的7级评审标准（见表3-1），临床决策支持系统是HIMSS电子病历评级（EMRAM）中最核心的评价要点之一。
从EMRAM的第二级开始，几乎每一级都对临床决策支持有要求。整个0-7级实际上是临床决策支持功能递进、不断升级的一个过程，直至最后达到七级的全面临床决策支持能力（full CDSS）。
HIMSS EMRAM评价体系等级划分
于医院而言，HIMSS EMRAM评级能够提升各个方面的能力，它是对医院信息化建设自然过程的一个总结，它本身既是一个评价工具，也可以作为指导医院信息化建设方向的路线图。
例如，使用这一标准化的模型，通过Analytics评级数据分析评分以及专家在咨询、准备和评审过程中的现场评价，可以准确评断医院当前在信息化建设方面所处的阶段、具体建设水平和尚待改进的项目。
同时，在咨询、准备和评审过程中，HIMSS EMRAM模型可以为医院提供一个清晰、可靠且经过实践检验的建设方向和路径，让医院既能知道自己所在位置，同时清楚应当发展的方向以及最终的目标。
同时，也要看到，HIMSS EMRAM模型给出了清晰的方向和评价标准，但是医疗场景的复杂性，也要求我们在系统技术层面能够综合考量可选技术与模块。
临床决策支持系统可以按五个维度进行分类：决策算法机制：在内部决策支持过程中，目前可以应用的算法范围很广，包括Bayesian theorem、Belief network、决策树分析、基于规则的方法、基于规程的方法、Support Vector Machine、神经网络等。
决策算法应用的不同主要取决于临床决策支持系统的内部知识表示方式，针对不同的决策需求存在着不同的知识表示方式，从而形成了不同的决策机制。例如，根据病人的症状等的辅助诊断系统常以概率来表达症状与疾病的相关性，此类的决策方式主要有基于Bayesian theorem 的方法和Belief network。另外，近期已经在国外的临床中具体应用的事件监视器(Event Monitor)也都是基于规则的决策支持系统。
这些系统通过事先定义好的规则来实时地监视病人的相关信息，一旦规则中的前提条件得到满足，相关规则将被触发，相应采取规则中规定的行动，或是对诊断或是对治疗提供决策支持。
系统功能设计：具体来看，就是什么是输入，什么是输出，如果输出的是诊断结论，用药建议，那么依据则来自临床指南、循证病例、权威文献。更重要的，在风险提示方面要足够清晰。
临床决策系统也可以按其设计的所能完成的系统功能来划分，主要有两大类主要的功能：一是帮助决策什么是对的判断。二是帮助医生决策下一步应该做什么事，例如做什么检查，用什么药，要不要手术等，最典型的一个例子就是决策分析树，即根据概率分析医生下一步应该怎样做。
交互方式：在输出决策支持信息的过程中，是如何设计交互过程的，是否允许使用者在交互上拥有主动权，是否可以干预最终结果。临床决策系统的建议方式分为主动和被动两种。主动的方式为系统主动地给医生提出决策建议，不管医生此时有没有决策帮助的需要，例如各种事件监视器系统，这类建议方式的好处在于可以强制性阻止一些严重的后果发生，例如用药配伍禁忌和药物-疾病禁忌等。被动的方式是指只有医生主动询问系统时系统才给出决策建议的方式。
系统融合：CDSS的工作逻辑，是与医院现行信息系统进行融合还是独立运行，是否需要和医生的工作流程相融合，都是要考虑的重要因素。决策支持程度：在决策支持上，是直接输出结果，还是较为间接地提供辅助决策知识，参考案例，也和CDSS的临床应用程度有着重要的关系。
与直接能给出决策建议的系统不同，也有一些系统不直接给出建议而是只提供给决策者必要的相关信息，最终由医生做出最后的决策。
因此，从决策支持程度上可以分为直接和间接两类。前面提到的决策支持系统大部分是属于直接给出决策建议的系统。间接的决策支持系统主要包括与临床信息系统相融合的多种在线式知识库，例如UpToDate、FirstConsult 等。一键通技术（InfoButton）可以方便地将各种知识库通过在线的方式方便地提供给医生，间接地为临床决策服务。间接式的系统还包括多种系统产生的数据分析图表等。
2.数据关键技术
从数据层面来看，任何临床决策支持系统都是基于数据和知识的。因此，如何采集数据、整合数据、利用数据形成知识库并运用到决策支持中去，都是至关重要的。
（1）整合数据
临床决策支持系统的三个主要成分是医学知识、病人数据和针对具体病例的建议。病人数据通过临床决策支持系统的医学知识进行解释，从而为临床医生提供准确的决策支持。在医院中，临床决策支持所需的病人数据是通过电子病历系统完成数据采集的，再通过一个数据泵进行抽取和整理。为了使决策支持的结论更加准确，系统尽可能提供病人数据的完全整合，包括病人的基本信息、病历信息、病程信息、医嘱信息、检验信息、影像信息、护理信息，以及其他所需要的各类信息。
（2）医学知识库
临床决策支持系统内核的推理程序可以根据知识库的知识和经验生成建议以支持决策。由此可见，医学知识库是临床决策支持系统中的另一个重要元素。临床决策支持系统应建有完善、全面、快速的医学知识库。该知识库应包含词库、术语字典、模型结构、知识仓库四个部分。知识模型结构是将这些术语相关的内容组成一种网状的结构，方便存储和调用。知识仓库就是所有这些知识信息的容器，以功能强大的数据库为架构平台，以辅助智能的文字处理与检索系统。
医学知识一般有两个来源，医学文献(指记录已归档的知识)和某一领域的专家(指专家的临床经验)。对于任何一种医学知识，系统先通过知识采集引擎把知识采集进来，然后通过解释引擎利用知识模型在知识库中查找相应的解决方案，逐步缩小目标范围，最后由知识库系统判定归于何种类别的医学知识，并存储于知识库中相应的位置。
（3）决策支持形成
决策支持就是临床决策支持系统的最后一个步骤，也是最重要的一个步骤。其功能是将医学知识应用于病人数据的结果，进行分析、归纳，最终针对具体病人提出相应的决策和建议。临床决策支持系统的决策支持引擎应具备速度快、操作方便、数据准确的特点。临床医生可以通过简单的工具自己定义决策推理的逻辑关系。
把决策推理用到的参数和数据项目转换成逻辑表达式，然后由引擎解释定义过的逻辑关系，把其中数据间的关联解释成计算机能够理解的语言，再由计算机处理其中的逻辑关系，最后根据逻辑关系，把数据结果通过表达式计算出来。
总结来看，CDSS对数据的要求有着几个重要特点和必备条件：
第一，有强大的医学知识数据库支持，遵循“医生为主导、病人为目标、临床为轴心、诊断为重点”的原则，用一目了然的清晰界面，辅助医生准确、完整、迅速地把握并记录临床过程各部分的互动关系。
第二，用开放性神经网络知识结构跟踪全过程，使系统有能力随机建构过程性诊疗通道，辅助医生对病人做出准确、稳妥、及时的诊疗处理。系统的并行推导具有多视角会诊性质，辅助医生准确使用、并减少对诊断设备的依赖。
第三，模拟临床思维，提供临床全过程辅助决策。实际过程是用神经网络结构运作大量知识，通过“诊断依据”“诊断疾病”“检验方案”“用药方案”“处置方案”“护理方案”“保健方案”等，展开医疗知识。
第四，随病人病情的变化，生成多条临床决策通道，提供医生决策参考，使临床诊疗具有多视角会诊的性质；同时帮助医生准确使用辅助诊断手段，减少对仪器设备的依赖；使临床全过程：诊断—治疗—用药等，都纳入智能辅助范畴之内，进行快速、准确、规范的临床诊疗。
第一个方面是医学知识检索门户。该门户将众多的数字医学资料和文献集成在一个统一的门户系统中，使应用更加方便。
第二个方面是研发临床实践指南和临床路径。临床实践指南是将大量的医学经验抽象成为方便和容易使用的一种形式，为临床工作提供任意和可靠的决策信息，使临床决策更加高效准确，并符合伦理和法律的要求。
第三个方面是数据仓库技术的应用。“数据仓库是一个面向主题的、集成的、稳定的、包含历史数据的数据集合，它用于支持经营管理中的决策制定过程。”数据挖掘是从数据中发现有用知识的过程，实际是多种算法的统称。它的算法来自于传统的数学方法和人工智能的知识发现技术。
（四） 业务模式
1.细分市场
临床决策支持系统在国际和国内的发展还是有很大不同。在欧美，由于其起步较早，对于数据和软件的知识产权重视程度较高，又有比较庞大的商业医疗保险业务对接，因此从电子病历开始，就开始培养了临床决策支持系统的使用习惯。从国内的市场来看，临床决策支持系统实际上存在着两个较为独特的细分市场。
（1）大型医院信息化从国内的现状来看，医疗信息化的高速发展正在路上，2017年4月底，国家卫生健康委员会统计信息中心公布了全国医疗卫生机构的最新数据。数据显示，现阶段全国医疗卫生机构有98.7万个，其中三级医院数量为2267个，基层医疗卫生机构93.0万个［包括社区卫生服务中心（站）3.5万个，乡镇卫生院3.7万个，村卫生室63.8万个，诊所（医务室）20.5万个］。
各家医院通过HIMSS评级的投入不同，很大程度上取决于医院初期的信息化建设基础和整改过程中的软硬件和流程改造，目前，一、二线城市的不少三甲医院加速信息化建设，而达到HIMSS 7级信息化，CDSS系统的使用是重要的考核点。
2018年以来多个城市的三甲医院信息化招标标书都对于CDSS部分的需求没有形成真正有临床意义的表述和需求，因此要形成真正的临床应用还会有一段路要走。而再看HIMSS评审的通过率（见表3-2），亚太地区HIMSS EMRAM 6级通过率仅为5.6%，可以看到这一市场还需要有一段的爬坡阶段。
全球各地区HIMSS EMRAM通过率
2.基层医疗卫生市场
事实上，中国的医疗健康卫生问题，包括分级诊疗难以实施的问题，本质上都是基层诊疗能力不足的问题。即使不考虑63.8万个的村卫生室，国内还有27.7万个基层医疗机构。这些基层医疗机构覆盖了中国相当规模的人口，即使以金钱来考核，27.7万个医疗机构的付费能力，也足以撑起一个庞大的基层CDSS市场。
而综合考虑到国家近期的互联网医疗政策、人工智能医疗政策，都特别强调基层医院的需求，因此可以做出结论，CDSS作为一种可以改善基层医疗水平的产品，市场前景可期。2015年后，出现了一些代表企业，包括百度医疗大脑、惠每科技、深圳循证医学等几家只针对基层医疗机构和医生提供服务的企业。
另外，我们也可以从国内的几个典型CDSS应用看到一些应用模式与方向：
（1）人卫临床助手
2016年10月，人民卫生出版社正式推出了临床决策辅助系统（人卫临床助手）。人卫临床助手的主要数据来源是人民卫生出版社63年来的精品专著，其中汇集了2000多家医院案例资料，并成立了专家评审委员会，制定资源审核发布流程，甄选权威内容入库。同时，人民卫生出版社还不断组织新知识、新病例、新工具，保证系统知识的不断更新，打造专业的临床决策辅助系统及纯粹的医学学术互动圈，针对用户为医学专业人员。
临床决策辅助系统（人卫临床助手）除了为临床医生决策提供证据之外，还是医生日常学习临床知识和经验的平台。该平台提供了知名医院、科室、专家的上万案例，内容涉及临床诊疗知识、医疗损害防范知识、临床伦理思维、医患沟通等。
（2）惠每临床决策辅助系统
相比于人卫临床助手，惠每的产品是直接来自于权威医院的知识体系。2015年，惠每医疗集团正式引入了梅奥的整套知识体系，并且在2016年发布了基于人工智能的惠每临床决策辅助系统。该系统结合了国内最新发表的医学文献资料及国内医学专家领域知识，利用自然语言处理与机器学习算法，为医生提供智能分诊、鉴别诊断、慢病合理用药与疾病知识库查询等服务。
诊前问诊/分诊阶段：患者可在惠每智能分诊系统进行自检自查，通过一系列引导性问题，在就诊前得到病情的适当评估，明确就医的“轻、重、缓、急”，快速获得权威的处理建议。
该系统能够与微信公众号、手机App、医院自助挂号机等不同端口结合，方便患者选择使用。目前主要应用于家庭医生签约服务和医院智能分诊挂号等方面。诊中决策阶段：在医院授权的情况下，惠每临床决策辅助系统与电子病历系统（CPOE）厂商进行数据合作，将电子病历中的数据植入到惠每临床决策辅助系统中，使门诊医生受到标准化、专业化的规范。
此外，系统还能自动挖掘症状和疾病之间的关系，如发烧和感冒之间的关系、发烧和肺炎之间的关系等，为连锁诊所提供标准化诊疗路径，帮助医生提高业务能力和工作效率，提升诊所品牌号召力。诊后治疗阶段：惠每临床决策辅助系统不仅有丰富的疾病详情内容，也涵盖全面的疾病治疗建议，包括处置建议、检查建议、用药建议及患者指导等。
其中在合理用药方面，系统有严格的用药审核功能，提供药品说明、药物相互作用、禁忌症检查等，及时提醒医生，防止药物的错误搭配和抗生素滥用等情况发生。此外，惠每临床决策辅助系统将慢病用药指南电子化、智能化，完整评估患者病情，自动生成治疗方案供医生参考，并推荐合并用药方案和禁忌用药方案。
（五）发展方向
从临床实践来看，符合医疗信息化的要求进行临床决策支持系统的设计、研发是重要的方向，但是从另外一个角度看，没有任何一款产品可以适用全部疾病和科室，从目前的市场来看，仅电子病历一个领域，已经走向了专科化，其中又以牙科为落地最快的专科方向之一。随着人工智能技术的发展，传统临床决策支持系统也有了进一步进化的空间。
首先，基于临床病历文本数据的临床决策支持系统开始增加包括影像在内的各个元素，从而丰富诊断决策的数据链。目前看到的应用，包括综合采用病历、病史、CT影像进行肺癌的早期筛查、采用超声影像+病历进行脂肪肝和相关肝部疾病的早期筛查，所以，采用多模态的人工智能，为临床决策支持系统增加更多的数据实证，将有助于临床决策支持系统在疾病诊疗方面进一步增强决策支持能力。
从专科的角度来看，脑神经相关疾病也是重要的临床决策支持系统演进的方向之一，这是因为脑神经疾病有着参与决策数据种类多、诊断过程依赖专家长期积累的经验等特点，适于采用机器学习等人工智能方法进行决策增强。
此方面在国内已经有了领先的尝试，北京雅森科技在2017年陆续推出了针对阿尔茨海默症、卒中等脑科疾病的多模态诊断系统，由于综合引入了病历、影像、量表等数据来训练模型，在流程和内建逻辑上更贴近CDSS的应用形式。
因此，人工智能和CDSS的整合，甚至形成AI-CDSS的大发展方向，也是可以期待的。最后，也应该面对临床决策支持系统应用从研发到实施的难点：
（1）信息技术和医学的交叉与融合
临床决策支持系统是更偏重信息技术还是医学，一直以来都是争论的焦点。计算机科学的抽象性、逻辑性、虚拟性与临床医学的具体性、经验性、真实性完全不同，将这两种知识系统整合在一起，并且形成落地产品，难度很大。
特别是由于人类疾病具有复杂性、多变性和不确定性等特点，临床决策除了需要全面了解患者的病情特点及相应的辅助检查结果外，更需要医生的个人经验与辩证思维。因为医学并不遵循严格的逻辑推理，医生在诊断患者时，更多的是依靠直觉和经验。医生对患者的诊疗决策并非是简单的资料分析和逻辑推理，而是一个复杂的创造性思维过程，人工智能目前根本无法代替医生的经验和智慧。
（2）如何建立和引用大规模、统一化的临床知识数据
库数据是临床决策支持系统的核心，由于临床诊疗决策涉及的知识面非常广泛，基础医学知识、学科专业知识、影像知识、检验知识、药学知识、心理知识、社会知识、沟通技巧等缺一不可，相应的临床决策支持系统也必须建立大型的临床知识数据库，才能达到帮助医生决策的目的。
但是尽管在医疗信息化水平不断提高的今天，仍包含大量非结构化的数据（如心电图、彩超、DR、CT、MIR、脑电图、肌电图和DSA等），这增加了数据挖掘的难度，使得很长一段时间内临床决策支持系统的数据库容量过小，严重制约了临床决策支持系统的应用和发展。
但是无论如何，从未来的发展来看，特别是对于基层医疗来说，更重要的意义在于实现医学诊疗经验的下沉，在这个过程中，能产生大量符合基层医院需要的，接地气的临床决策支持系统，甚至是单点的临床决策支持系统（比如临床检验），都将能为解决中国医疗资源问题做出贡献。
AI时代，拥有个人微信机器人AI助手！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
搜索微信号aigc666aigc999或上边扫码，即可拥有个人AI助手！
