临床决策支持系统.docx
《临床决策支持系统.docx》由会员分享，可在线阅读，更多相关《临床决策支持系统.docx（7页珍藏版）》请在冰点文库上搜索。
临床决策支持系统
临床决策支持系统综述报告
引言:
临床决策支持系统（clinicalsupportdecisionsvstens，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）：
表一临床决策支持系统的分类维度
分类维度
内容
内部决策机制
Bayesiantheorem，Beliefnetworks,决策树分析,基于规则的方法,基于规程的方法，
Bayesiannetwork,SupportVectorMachine,神经网络,基于相似性的算法….
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Bayesiantheorem的方法和Beliefnetworks。
另外，近期的已经在国外的临床中具体应用的事件监视器（EventMonitor）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LeedsAbdominalPain、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LeedsAbdominalPain[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（Consultingmodel）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（ClinicalPracticeGuidelines）和临床路径（ClinicalPathway）。
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）。
循证医学系统则定位于最大限度地改善患者的状态，或者为医疗机构提供高频的财政收入。
因而在平件不同的CDSS时，需设计不同的评价标准，并在软件需求分析阶段完成标准的界定。
推动CDSS的对策
针对上述制约因素,我们认为应采取如下几方面的措施:
1加强技术研究
前面已经指出,仍有许多技术问题阻碍CDSS的发展，因此有必要进一步完善现有的方法并开发新方法。
应加强两方面的工作一是加强CDSS的适用环境研究，把注意焦点从提供正规知识转向改善医生的沟通与交流上，有利于沟通的系统无疑会极大地改善临床决策；另一是加强基础技术问题的研究，如临床知识的特性、如何构筑这类知识的模型及怎样将这些知识应用到不同的环境中去等。
2采用面向问题的开发策略
CDSS只有针对临床实际问题时才有可能成功，这就要求采用以问题为中心的开发策略。
首先应从问题诊断人手，通过分析医生所作的临床决策的特性及其对病人及保健服务的影响确定系统的真正需求，并应用快速原型法之类的方法评价方案的适宜性。
第二，问题找出之后应选用与问题相适应的技术，即采用面向对象的设计方法并寻求构筑真实世界中的临床决策模型。
第三,所用的方法与工具应与问题相一致,保证问题与其解决方式之间不发生冲突。
第四，对（工犯右的评价应注重系统对用户及临床问题的影响，而不仅只是系统的结构和功能。
最后,整个开发过程应最大限度地调动用户参与。
3重视组织文化因素
医院的组织文化环境对CDSS开发应用起着非常重要的作用。
开发C以粥时应精心设计或选择适当的方法，以分析临床实践中的组织关系与交往，分析医生的习惯、兴趣、观念与价值取向，并根据分析结果指导开发。
4加强项目管理
团组工作值得密切关注,应保证CDSS开发组成风的知识、经历及技能搭配得当。
临床医生应在项目组中充当重要角色。
项目管理者应具远见和创造性,并善于形成高效的团组工作氛围。
应尽保持开发组成员的稳定性。
政府及研究机构应舍得对具战略价值的复杂问题提供长期足够的资助。
5改善C以弥的移植性
要推广C以治,首先要解决CDSS可移植性问题。
具体做法包括:
（1）对临床概念、记录格式及保健服务等进行标准化;
（2）开发通用临床计算机语言及系统;（3）增加CDSS的适应性，如开发能够通过提问用户了解具体的物理与社会环境的特性并作相应调整的CDSS；（4）提供实施与维护支持当医院决定从外界购买CDSS时，应组织供应商或咨询机构帮助分析医院环境、提出建议并修改系统等。
6建设知识库
常用医学教科书不能满足解决复杂临床问题的需要，不同CDSS所需的知识层次也会不同，而且未来C以弥知识库应完整正确并不断更新。
因此，知识库建设包括两大方面的主要内容:
（l）编辑正确完整的医学知识库及参考资料库;
（2）建立适当的机制，不断扩充和更新知识库。
7提高医生的接受程度
医生的接受程度主要取决于CDSS本身。
医生邀请专家会诊是因为被邀专家拥有医生自己不具备的知识与技能，医生决定是否使用CDSS时可能也会基于类似的考虑。
如果CDSS告诉医生某男性病人怀孕了，或者连最简单的病例都不能给出准确的诊断，则医生便不会使用它。
因此，提高接受程度首先是开发可靠而又有用的CDSS。
其次是对CDSS进行系统评价并将结果如实告诉医生。
第三是分析医生需要并组织他们参与系统开发、实施及评价过程。
此外，还应注意改善CDSS的性能（如使界面更友好、操作更方便等）、开展使用培训及提供及时帮助等。
8提高CDSS成本效益
卫生系统的资源短缺压力愈来愈大，成本效益无疑是决定CDSS成败的关键之一。
应继续努力降低CDSS开发和应用成本，具体做法包括:
战略规划、协作开发交流经验、研制可重复使用的独立知识系统等。
评价对提高CDSS本效益致关重要。
过去的评价大多只重视诸如功能与结构方面的具体问题,忽略了系统对用户人的影响，也没有把评价同开发联系起来。
评价应贯穿整个开发周期，既要作实验室评价又要进行应用评价。
发展前景预测：
回顾决策支持系统理论与技术在临床应用与发展的30年，CDSS无论从其架构或构建方法上，都发生了巨大的变化。
在此领域里的研究者和临床医生否定了原先够建专家系统的交互，模式，基于专家经验的决策支持系统是不可能实现的。
这存在两方面的原因：
一方面，专家经验并不是CDSS知识唯一的来源，对于不同的专家在同意问题上的表述存在差异，一个专家在不同时间对同一问题的看法同样也存在着不同；同时，个人的医学经验在不断变化之中，这使CDSS利用“生产式规则”表示专家经验，为非专家用户提供决策建议时，组合相关规则易出现冲突。
另一方面，在专家系统中以“产生式规则作为知识块”来表示医学知识和人类的经验，无论就系统的复杂性和人类认知来说，都是过于简单的模型，是致使专家系统低智能化的直接原因。
继医学专家系统之后，人工神经网络、遗传算法、模糊聚类算法等模式识别技术和基于数据仓库的数据挖掘技术在知识发现中的应用，不断提高了CDSS的决策能力与决策范围。
然而，CDSS的发展趋势受决策环境驱动，未来CDSS发展会呈现多样性和丰富性。
无论何种形式的CDSS，医生是决策主体，辅助决策是本质，系统只是实现决策支持的载体形式，CDSS的知识自动析取与管理才是未来发展方向和研究的重点。
总结部分:
当医院信息系统发展到一定阶段，完成针对业务功能上的应用后，临床决策支持系统是医院信息化建设的下一个目标，这将提高医疗水平、促进医学科学的发展、充分发挥数字化医院的效能具有重要的作用，体现先进计算机技术和现代医疗科研的完美结合。
目前，虽然逻辑推理算法很多，但是由于医学的复杂性和个体性因素较多，高智能、高集成的CDSS目前尚未实现，特别是医学知识库的建立更是一项复杂的系统工程，需要广大医学信息工作者继续共同奋斗实现。
医学决策支持系统:
指将医学知识应用到某一患者的特定问题，提出具有最佳费用/效果比的解决方案的计算机系统医院信息系统。
决策支持医学决策支持：
医疗工作中的计算机辅助决策支持。
管理决策支持：
计算机辅助管理决策支持。
决策支持基础：
统计学、数据仓库、人工智能。
医学决策支持：
临床医生经常为病人的诊断、治疗作出决定。
这些临床决定亦即临床决策（clinicaldecision）。
决策（decisionmaking）就是为达到同一目标在众多可以采取的方案中选择最佳方案。
临床决策支持系统:
指帮助医务人员制定临床决策的计算机程序。
升级会员 