衡反修：临床决策支持系统的既往和将来

e医疗专栏作家：衡反修

北京大学肿瘤医院信息部主任

上个月，经过半年的奋战，临床大主任牵头的科技部精准项目终于尘埃落定，获得胜利。该项目核心是建立一套诊疗辅助决策系统，作为技术支持单位的信息部部门，在同样的欣喜之余，有正好好好梳理一下临床决策支持系统（Clinical Decision Support System,简称CDSS）的来世今生，以及未来的发展。

CDSS的研究最早始于1950年代末，也就是计算机在发达国家科研院所刚有普及和应用的时候，早期的医学专家系统通过推理引擎，将临床经验和专业知识经过整理加工后，存储于知识库中，利用逻辑推理和模式匹配的方式，帮助临床医生进行诊断或治疗推断。而直到20年后，世界上第一个CDSS才由美国斯坦福大学研制诞生。那套系统可以根据输入的检验信息，自动识别51种病菌，正确使用23种抗菌素。可协助医生诊断及治疗细菌感染性疾病，为患者提供最佳处方。尽管简单应用，但从知识库到逻辑模型，已经到了实用阶段。

又过了20年后，也就是我国医疗信息化启动元年（1996年）之后，基于我国医疗信息化的发展，CDSS在中国医疗市场的发展和探索经历了二十年左右的时间，逐渐演化出应用于临床不同场景和服务于不同层级医生的CDSS类型产品。

CDSS一直是医疗信息化领域的一个重要发展分支，更是临床和信息的交叉学科，是提升临床诊疗水平和诊疗效率的工具。没有信息技术，临床医生们再有想法，也是空中楼阁；而没有临床问题和应用，信息更是空壳。

早期的CDSS，更多的是基于知识库的查询和提醒，比如嵌入HIS或EMR系统的用药配伍禁忌、检验指标异常提醒等等，基本用于解决临床医生在遇到不熟悉的临床问题时进行知识检索的碎片化场景。其不足之处是，缺乏与医院信息化系统的深度拟合，并未明显缩短临床医生解决问题的路径，只能对临床场景起到一个起到补充和解决特殊问题的作用，对提升医疗效率和质量的作用较小。

CDSS还有一种类型,是基于知识规则的推荐审核。用于结合生产系统进行医疗行为的审核和推荐用以提高医疗质量、安全和效率。比如治疗方案、临床用药等。但复杂的临床个性化问题和本质上是以有限的数据规则无法真正匹配，即使投入巨大也可能收效甚微。往往出现的实际情况是：

①机器推演出的推荐审核结果与实际情况下医生的认知存在很大差异；

②系统认知问题的维度和推演逻辑太简单起不到根本上的帮助作用。

不妨借鉴一下著名的美国沃森肿瘤，沃森肿瘤是全球公认权威的肿瘤机构-纪念斯隆凯特琳肿瘤中心（MSKCC）4年训练而成，通过提供个性化、有优先顺序的治疗方案和来帮助肿瘤医生或临床团队做出临床决策，这是认知和学习型CDSS。自从引进中国以来，已经在不少地区开花，但是否有结果还不得而知。因为作为国外的系统，核心数据库、计算模型和计算都是黑匣子，作为外挂系统，可以用于教学、会诊、对比研究、知识查阅等应用尚可，但难以在医院嵌入式应用到临床。同时因为模型数据基本引用国外指南与实践，落地后与国内医疗情况依然存在不少偏差，此外，病历资料来源于MSK，缺乏对本地数据（药典、本地指南等）的再利用机制，决策前置资料的确认依然需要依靠大量人工整理和录入，这种模式注定无法在临床大批量实施。这也是当下各种号称是CDSS的产品在医院难以实际应用的节点。要不是各种信息化评级的需要，CDSS装机量和使用率更不乐观。

那么在大数据时代，未来的CDSS是什么样的系统？能不能成就中国的沃森呢？大数据技术的日渐成熟，医院临床数据质量的不断提高，通过机器自动学习和结构化整理海量文献和指南，利用医院的大数据平台和临床数据的近距离，可以更加友好贴临床逻辑，更加符合真实世界认知，更加精准化针对临床个性化情况，从而产生基于医院大数据的CDSS系统。

但何以达成？还需要突破数据瓶颈。比如需对大量文献和指南的标注训练，大量医疗原始数据的后结构化处理，数据的标化和治理，以及各种类型的信息系统数据整合。如此，才能建立基于真实医疗数据和海量循证资料自我学习的CDSS系统。

CDSS是难点，更是大家追逐攀登的高峰。无论是高大上的沃森，还是临床知识库的查询，个人更倾向于逐渐嵌入式的、成熟的临床提醒，以逐步提高临床安全和辅助提升医疗质量。CDSS需要立志是成为医生的助手，而非在医院专职应试的样品，也不是期望替代医生的机器人。

-END-

文章来源：e医疗2018年第4期

点击链接查看作者往期精彩专栏内容

报名参会

推荐阅读

©以上文章来源

e医疗原创文章，转载请注明来源。