笔趣阁

手机浏览器扫描二维码访问

第十节 临床决策支持系统（第2页）

3．将推理结果反馈给医生，对医生的所有诊疗行为进行分析干预，包括警报、提醒、评论、判读、预测、诊断、协助及建议。例如根据患者的基本信息、临床症状、家族史、过敏史等推理出患者所需要进行的检查项目；根据检查结果推理出鉴别诊断等。

（1）警报：基于逻辑判断，对患者的危险值或者医生的错误医疗行为进行警示。如显示异常的化验结果、提示医生该患者无需使用抗生素治疗等。

（2）提醒：提醒医生当前需要完成的诊疗项目。如提醒医生申请检验检查等。

（3）评论：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，则给出决策建议。如拒绝医生的某项电子医嘱等。

（4）判读：对患者的检验检查病理信息进行判读。如判读心电图等。

（5）预测：预测患者的病情进展。如预测患者可能具有的病原体、感染风险、死亡风险等。

（6）诊断：辅助医生下达临床诊断。如列出胸痛患者的鉴别诊断等。

（7）协助：协助医生制订治疗方案。如为患者选择合适的用药、手术方案等。

（8）建议：针对患者状况，给出建议。如生成呼吸机的调节建议等。

4．参考CDSS推理出的具体方案，结合医生个人经验及患者的意愿，为患者提供包括医疗、护理、康复、营养在内的最佳方案。

具体临床辅助决策流程见图10-9。

图10-9临床辅助决策流程示意图

三、分析

1．优势特点

（1）将信息转化为知识：

信息技术正在医疗卫生领域不断推广，随着各类医疗信息系统在各大医院的广泛应用，医院数字化建设的不断深入，医院数据量快速膨胀，大量关于患者的健康信息不断累积，既包括多种多样的生理指标、检验检查结果、临床诊断和治疗信息，又包括性别、体重、年龄及家族史、过敏史等丰富翔实的背景信息。这些不计其数的单个病例信息，看似分散、无序，若能将其整合并进行深入“挖掘”，将信息转化为有用的知识，从而产生大数据的大价值，这对于疾病的诊疗甚至是医学研究都具有很高的价值和意义。CDSS便能做到这一点，通过人工智能技术的应用，可以发现和总结大量医学数据背后隐藏的各种疾病的临床表现、相互关系、发展规律及各种治疗方案的疗效等，用以解决各类复杂的临床问题。

（2）提高诊疗质量：

主要表现在缩短确诊时间，提高筛查准确率以及减少不必要的实验室检查方面。缩短确诊时间体现在CDSS可以辅助医生快速下达临床诊断，帮助医生做出下一步诊疗决策。例如国外已实现对男女患者的CT图像进行自动诊断，斯坦福大学开发的高血压决策支持系统能评估患者的高血压危险度，并给出用药建议等。提高筛查准确率体现在CDSS可对医生的错误医疗行为进行警示，并能在诊疗过程中提供实时帮助，根据医学专家提供的知识和经验进行推理和判断，模拟这些专家的决策过程，减少医疗决策中的失误和医疗差错。例如基于Web的决策支持系统Isabel，能够把临床特征分析转换为诊断，并根据该诊断进行网络资源的搜索；还有我国开发的骨肿瘤诊断专家系统、胃癌诊断专家系统等。减少不必要的实验室检查体现在CDSS可促进医生诊疗行为的不断规范化，针对特定疾病的诊疗流程，指导医生准确使用检验检查项目，从而减轻患者的经济负担。

（3）有助于医生自身水平的提高：

医学领域知识的更新和增长，对医疗工作提出了严峻的挑战，医生们日益感到难以跟上突飞猛进的医学发展步伐。借助CDSS的知识库，可以为医生提供各类疾病的知识、病例报告全文、药品的使用说明书，以及症状、检查和药品通用名称等多种医学术语表，让医生非常方便地查找和阅读各类知识条目和医学文献。此外，CDSS还能在整个诊疗过程中为医生提供专家级的帮助，使医生“在实践中学习，在学习中实践”，帮助医生快速地掌握知识、积累经验，提高自身诊疗水平。

2．存在问题

（1）知识库与推理模型构建困难：

虽然CDSS有诸多优势，但真正在临床投入使用的却不多，主要原因是技术问题。首先，完整正确的知识库需要对庞大的医学文献进行整理归纳，而每年发表的医学文献、临床研究数以万计，每一个研究结果都需要仔细分析，评价其应用价值，还要将其合并至已存在的知识库中，大量的数据导致了知识库维护上存在困难。除了工作量大之外，不少研究会出现彼此矛盾的情况，如何解决这些矛盾，消除各研究机构间的误差和抽样误差，通常需要很长的时间才能完成。其次，知识库的更新需要大量的临床经验，而这些隐性的知识是个人价值的表现形式，这与医生的地位和待遇相关，专家是否愿意公开分享自己的隐性知识，也是一个重要的影响因素。再次，医学知识的复杂性导致了系统设计时需要考虑非常多的因素，如患者的症状、体征、既往史、家族史以及流行病学等，很多表面看来完善的推理模型，一用到错综复杂的现实中便失灵。

（2）医生使用系统的意愿不高：

一个CDSS是否能显现其价值，需要评价其有效性，证实使用CDSS后的确能够改善临床工作流程或结果。由于不同的CDSS是为不同目的而设计的，不同CDSS都需要选取足够样本数量的病例，并由相关领域的专家制定出这些病例最终诊断结果的“金标准”，评价CDSS是一个量化并不断改进的系统工程，当前没有一种普遍适用于不同CDSS的标准评估方法。由于系统有效性评价困难，导致临床医生对该系统的使用存在疑虑心理。其次，对一个有实际临床经验的医生而言CDSS被认为没有提供太大帮助，这是因为简单的疾病医生一般能诊断，复杂的往往需要多位医生多方会诊甚至漫长反复检查才能进行诊断性治疗，并且CDSS经常产生大量的警告信息，很容易让医生疲于应付。

（3）学科交叉人才缺乏：

CDSS的建立及完善需要大量病例知识的输入及临床实践中不断地学习并纠正优化，整个过程要求相关人员具有深厚的临床医学诊断背景。而现在CDSS的主要设计者为计算机或生物医学工程背景，缺少对临床知识的了解，也没有实践经验，因此很有可能导致这样的系统出现较多缺陷，不能满足临床医生的需求。