临床决策支持系统综述报告.docx

临床决策支持系统综述报告.docx

《临床决策支持系统综述报告.docx》由会员分享，可在线阅读，更多相关《临床决策支持系统综述报告.docx（11页珍藏版）》请在冰豆网上搜索。

临床决策支持系统综述报告

分类维度

内容

内部决策机制

Bayesian theorem，Belief networks, 决

策树分析, 基于规则的方法, 基于规程

的方法，

Bayesian network, Support Vector

Machine, 神经网络, 基于相似性的算

法….

表一  临床决策支持系统的分类维度

临床决策支持系统综述报告

引言:

临床决策支持系统（clinical support decisionsvstens，CDSS）是

指将临床数据做为输入信息，将推论结果作为输出，有助于临床医

生决策并被用户认为具有一定“智能”的任何软件。

大量研究表明，

CDSS的应用可以有效解决临床医生知识的局限性、减少人为疏忽（特

别是药物定量方面）、相对降低医疗费用等，从而为医疗质量提供了

保证。

尽管CDSS有很多优点，真正能为医生所接受并投入实际临床

使用的为数不多，其主要原因是技术问题，如：

不确定知识的表示

与推理的困难、知识更新的困难、知识库的透明性问题以及与其它

医学信息系统以及医生的工作模式相融合等问题。

历史发展：

我将系统地回顾电子病历中临床决策支持方法。

根据Musen 和

Shortliffe等，人临床决策支持系统可以按五个维度（Dimension）

进行分类，另外，如果将不直接给出建议而只是给出相关信息的系

统也划入临床决策支持系统，那么临床决策支持系统可以按以下六

个维度进行分类（表一）：

系统功能

什么是对的（诊断）, 做什么（做什

么检查,用什么药）

建议方式

主动,被动

人-机交互

独立的,与信息系统和医生的工作

流程相融合

交流方式

顾问式，批评式

决策支持程度

直接，间接（但提供相关的必要

的知识）

1）  内部决策机制

内部决策机制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，根据病人的症状体征等的辅助诊断

系统常以概率来表达症状与疾病相关性，此类的决策方式主要有基

于Bayesian theorem 的方法和Belief networks。

另外，近期的已

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。

2） 系统功能

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，例如临床诊

断，早期的Leeds Abdominal Pain、DXplain和QMR等医学诊断系统

即属此类。

二是帮助医生决策下一步应该做做么事，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。

3） 建议方式

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，

例如早期的各种诊断辅助系统，包括Leeds Abdominal Pain[8]、

DXplain和QMR等。

4） 人-机交互

人-机交互方式也是划分临床决策支持系统的一个比较重要的维度。

主要区分一个系统是否与医生的工作流程相融合。

早期的临床决策

支持系统由于多是独立于医生工作流程之外的，医生要获得帮助不

得不在决策系统中再次输入患者的信息，造成时间的浪费，例如早

期的MYCIN 系统，用户不得不从当前的工作中停下来转到MYCIN 系

统所在的计算机上，并且要重新输入患者的信息后才能获得决策支

持的结果。

现代的临床决策支持系统大多与医生的工作流程相融合，

医生可在工作流程中迅速地获得决策支持，例如各种事件监视器系

统可以在用户完全不干预的情况下发出各种发警，还有最近的无缝

整合于电子病历的一键通技术（InfoButton）是在完全不干扰医生

工作流程的情况下给医生提供必要的决策相关信息。

5） 决策中的交流方式

临床决策支持系统在交流方式上分顾问式（Consulting model）和

批评式（Critiquingmodel）顾问式在流程中不断地与医生进行交互

获得必要信息，最终生成最后的建议，例如在MYCIN 系统中，需要

用户不断地与计算机进行信息交互，最终计算机才能给出最后的决

策意见。

而批评式的系统事先根据相关信息生成一个决策建议，如

果医生的决策与之不符，则给出系统的决策建议，适用于医生愿意

自己决策而只是需要系统对自己的决策进行再次确认的情况，前面

提到的事件监视器系统即属于批评式的。

6） 决策支持程度

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，最终由决策的医生做出最后

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再线式知识

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再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。

现状评述：

下面从几个方面详细介绍临床决策系统的几个重要内容。

一、数据整合

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，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。

二、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。

整个过程如下图所示。

图1 医学知识获取流程图

三、决策支持

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，把其中数据问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。

临床决策系统的几个重要特点和必备条

件：

1．有强大的医学知识数据库库支持，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。

2．用开放性神经网络知识结构跟踪f艋床全过程，使系统有能力随

机建构过程性诊疗通道，辅助医生对病人作出准确、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。

3．仿真临床思维，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，通过如下多个窗口“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。

4．随病人病情之机，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：

诊断一治疗_用药

等，都纳入智能辅助范嗣之内，进行快速、准确、规范、的临床诊

疗。

现实的实践案例：

香港医管局在临床决策系统方面做了大量的

工作，专门成立了知识管理部门，负责信息系统中决策支持的研发

工作，其主要工作分成三个方面。

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（Clinical

Practice Guidelines）和临床路径（Clinical Pathway）。

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。

临床决策支持系统面临技术上的挑战：

临床决策支持系统在很多方面都面临极大的技术挑战。

生物系

统是无比复杂的，临床决策可能需要利用庞大的潜在相关信息资源。

例如，当向患者推荐治疗方案时，电子循证医学系统需要考虑到患

者的症状和体征、既往疾病史、家族遗传史，以及疾病发生的历史

和地理趋势，已发表的有效临床资料等。

而且，最新发布的信息需

要不断被整合到系统中去维持系统的实用价值，这一平台信息整合

技术至今还不尽如人意。

（1）系统维护

CDSS 所面临的一个和新挑战是很难将不断发表的大量临床研究结果

整合到已经存在的数据库中。

每年约有 50 万篇医学文献公开发表并

被 Medline 收录，每一个研究结果都需要仔细研读，评价其科学价

值，在将其以正确的方式整合入 CDSS 之中。

除了工作很难外，整合

新资料有时很难量化，很难将其合并至已存在的决策支持系统中，

尤其是当不同的研究结果存在冲突时更不易实现。

如何解决这些矛

盾通常要依靠临床文献本身进行 Meta 分析，综合相关的研究结果，

消除各研究机构间的误差和抽样误差，这通常需要较长的时间才能

完成。

（2）系统评价

一个 CDSS 能显现其价值，需要证实其的确能够改善临床工作流程或

结果。

评价 CDSS 是一个量化并不断改进的系统工程，同时也是衡量

效率的过程。

由于不同的 CDSS 为不同目的设计而成，当前并没有一

种普遍使用的标准评估方法，给系统价值评估带来困难。

CDSS 的评价基准需依靠系统目的本身。

例如，诊断决策支持系

统的定位在于稳定而准确的分类疾病（与医者本身或其他决策支持

系统相比）。

循证医学