卫宁软件基于知识库的临床决策支持系统解决方案0716Word文件下载.docx
《卫宁软件基于知识库的临床决策支持系统解决方案0716Word文件下载.docx》由会员分享,可在线阅读,更多相关《卫宁软件基于知识库的临床决策支持系统解决方案0716Word文件下载.docx(17页珍藏版)》请在冰豆网上搜索。
医学知识库
医学信息在促进医学科技事业发展、帮助医学科研工作者发现新规律、提高临床医疗质量、加强卫生事业管理等方面发挥着重要的作用。
伴随计算机技术、网络技术、生物医学信息学的飞速发展,各种类型的生物医学资源在新型信息环境下迅速增长,其内容繁多,分布广泛,动态变化,质量良莠不齐。
面对医学信息资源来源的多样性、组织的动态性与无序性,需要对医学信息资源进行系统组织与分析,以方便临床实践人员、医学领域的研究人员合理高效地利用信息,为临床服务提供信息支撑。
医学信息组织则是对医学领域的各种知识内容进行分析、归纳、整理、综合的过程,包括各种临床证据、病人案例、医学各专业核心知识等等。
由于医学领域的这些知识具备一定的特殊性,如何建立不同专业、同一医学专业中相通概念的关联,是值得学界认真思考的问题。
网络环境促使用户信息行为的变化。
医务人员更加乐意以信息技术和信息网络为基础进行信息收集、分析和交流。
医学图书馆主要是针对医务工作者的信息需求提供服务的专业图书馆,医学图书馆必须不断改进服务方式,以满足临床医务人员在网络环境下的新需求。
不仅需要随着医疗信息系统的发展而不断发展,不断推出新的信息产品如知识库,优化已有的信息产品,还需建立图书馆与医护人员之间的良好的知识服务渠道,并且加强医学图书馆之间的合作,扩大知识服务范围。
在这样的背景下,卫宁公司研制了临床医学知识库系统项目。
构建临床医学知识库系统的目的在于为医务工作者提供更加个性化的知识产品,提供以知识节点为对象的知识服务,探讨扩大临床知识服务的范围。
通过临床知识库,帮助临床医生快速获取疾病的治疗、疾病诊断、疾病检查中的各种知识。
卫宁公司临床知识库以本体作为知识组织的技术和方法,实现基于语义的知识检索。
本体能够将某个领域中的各种概念及概念之间的关系显性地、形式化地表达出来,从而将概念中包含的语义表达出来。
它强调领域中的本质概念,也强调这些本质概念之间的关联。
而医学知识的组织,更加重视医学知识概念之间的推导、关联和语义关系,本研究中的临床医学知识库则是建立在本体概念的基础之上的概念图谱。
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。
其中词库针对最小应用元素的医学用语进行了描述与定义。
术语字典则提供了一定范围内的信息关联。
这些关联可以包括相关属性的描述、取值范围、相关临床术语、偏向标志、各类编码表等等。
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。
临床医学知识库框架
临床医学知识库构建的目的是为了给临床医生提供临床诊疗过程中所需要的各种知识,建立疾病库、药品库、检查库三大和疾病诊治相关的知识库,并提供给医学辅助诊疗的入口。
构建思路如下图所示。
图2临床医学知识库的初步构建策略
通过疾病中并发症、鉴别诊断描述项,建立一个疾病与其他疾病的关联;
通过治疗手段描述项建立疾病与检查项、药物之间的关联;
通过临床表现建立疾病与症状库的关联。
图2显示了构建临床医学知识库的底层框架图。
图3医学知识库底层框架图
从上图可以看出,疾病库的知识来源与相关文献中对疾病的介绍,这些知识来源有期刊文献也有专著文献;
通过疾病库中对疾病的临床表现字段能够链接到疾病知识库的症状库中;
通过疾病库中的药物治疗能够链接到药品库中,药品库中汇描述该药物的功效主治疾病,从而从药品库又可以回到疾病库;
通过疾病库中的实验室检查字段项则可链接到检查库中,检查库中会对检查项适应的疾病进行揭示,从而从检查库又能回到疾病库。
这是对构建疾病库、药物库、检查库的相互关联的初步构想与设计。
临床医学知识库构建的目的是通过对文献中知识的深层揭示,为用户使用提供便捷的途径,为了更好的揭示知识的本质及医学知识之间的关心,经过对疾病、药物、检查各个知识元的进一步深入分析和知识的挖掘,我们课题组给出了临床医学知识库各个知识元库的全部描述项(见图3)。
图4临床医学知识库描述项细化图及关系网络
在上图中,我们进一步明确了疾病库中某一项疾病的所有描述项,疾病库的一级描述项分为:
概览、基础、临床表现、预防与控制、诊断、治疗、多媒体相关文献等七项;
所有知识元描述项为:
疾病名称、疾病英文名、疾病别名、概述;
病因、流行病学、发病机制、病理、病理生理、病原学、分型;
症状、体征;
预防、一级预防、二级预防;
实验室检及辅助检查、诊断、鉴别诊断、并发症、预后;
治疗综述
、治疗原则、治疗方法、药物治疗、手术治疗、其他治疗。
图中通过线条给出疾病通过药物治疗建立与药物库关联的图示。
明确了药物库中某一药物的所有描述项,其中药物库中药物的一级描述项为:
药物、概况、药理、临床应用、副作用、投药与剂量;
各类目下所有描述项为:
药物名称、药理作用、适应症、注意事项、用法用量、药物类型、药代动力学、禁忌症、不良反应、制剂及规格、性状、药物相互作用。
图中通过线条给出了药物库链接到疾病库的知识元节点。
明确了疾病检查库中某一检查项的所有描述项,检查库的一级描述项为:
检查、概况、检查原理与方法、临床应用;
具体到二级知识元描述项为:
检查名称、检查英文名称、概述、检查类别;
操作原理、操作方法;
临床意义和参考值;
其中通过临床意义能够再次链接回疾病库。
临床医学知识库的规范与标准
疾病名称与体系的规范
根据多方面的对比研究与比较,疾病名称规范是在结合ICD10和中文医学主题词表的基础上建立了本系统的名称规范体系。
疾病体系根据CMESH主题词中C类疾病主题词的类号,将疾病的所有类型划分为22个大类。
分别为:
细菌感染和真菌病、病毒性疾病、寄生虫病、肿瘤、肌骨骼疾病、消化系统疾病、口颌疾病、呼吸道疾病、耳鼻咽喉疾病、神经系统疾病、眼疾病、泌尿道和男性生殖器疾病、女性生殖器疾病和妊娠并发症、心血管疾病、血液和淋巴系统疾病、新生儿疾病和畸形、皮肤和结缔组织疾病、营养和代谢性疾病、内分泌疾病、免疫性疾病、环境因素诱发疾病、精神障碍类疾病。
加工过程中遇到的各疾病名称以CMESH中的疾病名称为准,作为标准名称。
药物项名称与体系的规范
本系统在综合国内权威机构的药物体系后,采用人民卫生出版社2005年出版的国家药典编委会编撰的《临床用药须知:
化学药和生物制品》[7]
,国内外各种药物的标准名称以此书为准,药物体系总共分为36大类药物。
检查项名称与体系的规范
本系统在调研国内关于检验名称规范的标准后,采用Cmesh中诊断技术中的各个诊断名称和代码作为规范,总共分为27类诊断技术。
在对检查库各检查项进行描述时,以CMESH中诊断技术的名称作为规范名称。
临床医学知识库主要功能
本系统的核心思想在于将医学知识的揭示深入到知识元各个节点,并在此基础上建立了多种关联。
技术层面上,构建了基于疾病的本体结构。
对各个知识节点构建了数据属性和关联属性,便于建立细分层面的知识关联。
如通过疾病库中某一疾病的并发症能获取某一并发症的详尽信息,从而建立并发症中某一疾病与原疾病的关联,通过疾病库也能和药物库中的药物信息进行关联。
关联信息是编辑维护针对疾病的关系,目前包含有:
词表映射、相关症状、性别、检查指标、用药指标、检查项、并发症、鉴别诊断、所属科室、文献、药物治疗、多媒体等大类,通过以上的描述项能建立某一具体的内容与某一疾病的关联,建立疾病与实验室检查的关联,建立疾病与药物库的关联。
这些大类都可在知识体系管理层进行实时定义和修改,以满足构建以疾病为中心的关系网图的需要。
提供集中的维护界面,实现各类知识库内容的统一创建与维护。
图5知识库项目维护界面
在知识库项目的基础上,进一步完善项目知识,提供结构化或者半结构化的知识维护,为进一步的知识查询、临床决策支持提供支撑。
图6知识库知识维护界面
提供统一的知识库查询界面,为医护及相关人员进行知识查询提供统一的入口。
图7知识库查询界面
临床医学知识库主要内容
疾病数据库
提供各类专科系统疾病信息,包括:
疾病名、英文名、缩写、别名、ICD疾病代码、概述、流行病学、病因、发病机制、临床表现、并发症、实验室检查、其他辅助检查、诊断、鉴别诊断、治疗、预防、预后及循证医学证据等项目。
药品数据库
提供药品信息,包括药名、英文名、别名、剂型、药理作用、药动学、适应证、禁忌证、注意事项、不良反应、用法用量、药物相互作用、专家点评等项目。
辅助检查数据库
提供各类检查项目信息,每一种检查项目涉及名称、缩写、正常值、临床意义等内容。
检验知识库,支持查看检验项目指标的介绍、参考值、临床意义。
可根据知识库系统实现LIS系统的智能化自动审核,根据专家检验知识、理论知识实现报告智能分析,并对可能存在的疾病进行提示。
主要目的是给医生一个报告分析的工具,查阅检验项目的临床意义,为临床决策提供支持;
提示护士采集标本的注意事项,帮助检验医生实现报告自动审核,减少工作量,提供病人查看报告的相关项目的解释;
检查知识库可提供给报告医师结合对应检查类型下结构化的报告模板,报告医师只需要在对应检查类型的模板下,记录患者的实际检查过程中模板所需要的数据,然后检查报告系统可结合检查中的实际症状数据,及临床其他系统的检查数据,调用检查知识库系统,自动得出报告的结论信息。
循证医学数据库
主要包括:
临床实践指南、系统评价和临床科学研究,其中临床科学研究包括:
随机对照试验、对照临床试验、非随机对照临床试验、病例对照研究、队列研究、病例报告、病例分析及横断面研究等研究证据。
以统一的数据规范存储成全文数据库。
医学资料参照库
提供具有代表性权威临床研究论文、医学期刊和临床医学学会的全文文献。
提供各科权威临床医学教科书全文。
针对特定主题做导览式查询,并提供相关图书、期刊文献、药物信息、临床指引、卫教信息等参考列表。
护理知识库
护理操作知识库提供执业护士常用的护理常规和技术指导规范调阅;
包含《护理常规》(上海市卫生局.1999.08)、《上海市中医病证护理常规》(上海卫生局,上海中医药大学出版社,2004.05)等护理规范内容。
护理诊断知识库提供诊断名称、定义、诊断标准、相关因素等。
临床决策支持(CDSS)
临床决策支持系统(CDSS)是医学知识工程和医学人工智能研究中非常活跃的分支,是运用专家系统的设计原理与方法,模拟医学专家诊断、治疗疾病的思维过程而编制的计算机程序。
它的设计目的是帮助医生解决复杂的医学问题,作为诊断、治疗以及预后的辅助工具。
主要提供辅助诊断治疗,根据病人的症状,通过分析决策引擎,推断出患者的疾病,并提供合适的治疗方案,供医生参考。
在医生确诊并开出处方或处置以后,对疾病、处方以及处置进行分析,与知识库中的规则进行比对,确认处方、处置的安全可靠性,如果有异常,则发出警报,对医生提醒,从而提升医疗服务质量,减少或避免医疗事故的发生。
临床决策支持框架
临床决策支持系统基本结构主要由四个部分组成,即数据部分、模型部分、推理部分和人机交互部分。
数据部分可以是一个数据库系统,包含用于决策的患者临床信息数据;
模型部分包括医学逻辑模型库及其管理系统;
推理部分由知识库或规则库和决策支持推理机组成;
人机交互部分是临床决策支持系统的人机交互界面,用以接收和检验来自临床信息系统用户请求,调用系统内部功能为决策服务,使模型运行、数据调用和知识推理达到有机地统一,有效地实现临床决策支持。
基于临床指南的临床决策支持系统的框架下图。
图8基于临床知识库的临床决策支持系统框架
临床决策支持主要功能
我们提供了一个由临床医生先将文本形式的指南计算机流程图化,然后由医学信息学工程人员根据流程图化指南建立医学逻辑模型的数字化方法。
以临床诊断为例,流程化的绘制符号包括诊断信息、判断、子诊断、诊断结束符等十五种。
根据以上流程图绘制规则,参照临床指南,由医生绘制出完整的代谢综合征的诊断和治疗流程图。
下图为糖尿病诊断流程图片段。
图9糖尿病诊断流程图片段
由医生绘制的临床指南流程图,还不能被计算机所能表达,因此,需要进一步将流程图转换为医学逻辑模型。
参照SAGE(SharableActiveGuidelineEnvironment)模型,我们使用了指南模型实体类、概念类、表达类、数据模型类,用于构建临床指南的医学逻辑模型。
利用Proté
gé
本体论建模平台,我们对代谢综合征进行了医学逻辑建模,同时,也实现了医学逻辑模型的可视化表达,如下图所示。
图10糖尿病诊断流程图片段
我们在概念类中定义一系列实例,表示糖尿病史、多饮、多尿、空腹血糖、随机血糖等。
在指南模型实体类中定义一个流程图的实例“糖尿病诊断”来表示该图。
在指南模型实体类中定义一个场景节点的实例,代表“开始”,定义一些决策节点的实例,代表“糖尿病史”、“三多一少症状”等,定义一些行为节点的实例,代表“确诊DM”,“行OGTT”等。
为了表示判断是否有糖尿病史,在表达类中定义一个表示存在判断的实例,该实例的编码值设为“糖尿病史”概念实例、值设为“有”概念实例。
为了表达“有糖尿病史,则确诊DM;
没有糖尿病史,则判断是否有三多一少症状”这一决策,在上述提到的决策节点实例“糖尿病史”中需设置决策模型这个属性,分别表示有和没有这两种逻辑选择。
通过Proté
建立医学逻辑模型虽然能够被计算机所表达,但是还不能够被计算机自动理解与推理,因此,还需要转换为可用于推理的规则的形式,本系统选择CLIPS(CLanguageIntegratedProductionSystem)规则形式。
CLIPS由美国国家航天局NASA的约翰逊空间中心的人工智能部开发,是一种多范例编程语言,支持基于规则的、面向对象的和面向过程的编程,具有可移植性高、成本低和易于与外部系统集成的特点。
其基本组成是事实表、知识库和推理机,通过这些基本组成,CLIPS专家系统工具即可根据已有的事实和规则推理得出所需结论。
CLIPS规则通常由五个部分组成,形式为(defruleRuleName(LHS)=>
(RHS))。
其中LHS(LeftHandSide)和RHS(RightHandSide)分别表示规则的条件和结论部分。
医学指南模型中Decision、Action是常见元素,一般做出各种决策的过程会包含在Decision元素中;
而通过这些决策得出的结论则包含在Action中。
由于医学指南常分为多个部分,因此通常要选择使用指定的临床指南部分,这就需要使用另外一个元素Context。
这个元素中可以包含指定临床指南执行所需的触发事件。
通过以上分析,可以建立临床指南模型中元素和规则的映射关系,Context和Decision对应规则的LHS部分,而Action对应规则的RHS部分。
规则与规则之间的联系则根据临床指南中的关系联系起来。
这样,本系统实现了将临床指南医学逻辑模型自动转换成具有特定流程的规则集,然后使用CLIPS推理引擎自动进行推理的过程。
自动转化的规则片段如下图所示。
图11糖尿病诊断规则片段
医生在需要临床决策支持辅助诊断时,点击医护工作站主界面工具栏上的决策按钮,基于临床指南的临床决策支持系统启动,自动查询医护工作站中患者信息,并根据临床指南规定的临床指标和疾病的对应关系,用蓝色显示患者可能患有的疾病。
为了进一步确诊疾病,临床决策支持系统将自动获取更详细的患者的病史、体检和检验信息,对于系统暂时不能自动获得的临床信息,还需要医生手工补充。
最后,基于患者临床数据信息和临床指南,通过自动化CLIPS推理技术,得到诊断结论和诊断依据,见下图。
图12医护工作站中的临床决策支持
检查检验应用场景
各个检查检验知识可以分内容供各个系统的业务调用,供临床决策支持。
标本采集可根据检验知识库进行核对,防止标本采集或操作差错。
根据诊断的疾病可以提示临床医生需开什么医嘱来进行诊断或排除诊断。
临床医生可以点击查看某个检查检验项目的临床意义。
为病人提供在线报告的检查检验指标的临床意义解释。
为大健康体检,分析结果得出辅助性健康提示。
结合临床诊断、药物使用、对检查检验结果报告进行结果核对、诊断分析支持,并能够提供相关提示。
结合临床诊断、药物使用、其他检查检验报告的结果进行核对、引用。
给予自动诊断的结果
可依据微生物专家库,报告上提示临床用药建议。
根据检查检验知识库的规则实现报告自动智能审核。
护理应用场景
1、宣教知识辅助
对新入院病人、手术病人进行健康及术前宣教,结合病人的实际情况,把疾病注意事项、手术适用症及利弊关系提供给护士,方便医患交流,消除病人的恐惧心理及心理压力。
2、医嘱审核、执行
结合药理学、疾病知识库、检查、检验知识库及病人体征、病情现状,对药物执行提供用药安全决策,对潜在用药安全进行提醒;
对检查、检验结果等提供知识库辅助决策,提供合理的护理措施建议。
3、护理计划自动生成
结合整体护理程序,对护理的日常诊疗业务列表可以按照护理程序规则自动生成,如分组配液、分组执行可以结合病人的病症特点,自动各类护理任务。
4、护理自动评估
通过护理人员系统的、连续的、细致的观察,结合检查、检验结果、住院病历、护理病历中获取的病人的客观情况,对护理效果进行评估,辅助医生下一步治疗,持续改进护理措施。
支持对病人的各类护理评分量表,如疼痛评分、Norton量表等。
5、护理文书辅助
对护理书写的各类文书提供护理病历规范说明,文书知识辅助说明,对采集数据的临床意义、采集规则可以自动触发临床计划。
6、护理临床路径
提供多种护理路径知识库模板,导入路径知识库后,提供治疗、护理措施等程序化、标准化工作方式,减少同一病种的不同患者、不同护士的护理差异,从而控制医疗成本,减少医疗费用,强化护理活动的计划性与合理性。
CPOE应用场景
1、通过与医技系统接口或预设定,实现检查、检验申请时,提醒其适应症、作用、注意事项;
2、临床路径预设定诊疗方案,实现通过诊断提示医生对应的诊疗方案,以及相应的检查、检验、用药等信息;
3、通过与医技系统接口,实现在临床医生查阅报告时,能够根据测量结果和患者诊断、生理指标、历史检查结果、其他检查与检验结果等自动审核并给出提示;
4、有可在医疗过程中自动进行校验的知识库内容,如医嘱\处方用药规则、合理用药提醒等;
图13用药规则控制
5、医生站结合合理用药系统,依据患者诊断、性别、历史处方、过敏史等进行合理用药、配伍禁忌、给药途径等综合自动检查功能并给出提示;
图14高危药物用药提醒
6、下达医嘱时能够参考药品、检查、检验、药物过敏、诊断、性别等相关内容知识库内容进行自动检查并给出提示。