临床决策支持系统功能及其应用态势分析

■ 李翔云 叶 庆 邓朝华

我国医疗水平的现状仍处于一个不容乐观、亟待改善的局面[1]。地区间医疗资源分配不均，医疗质量水平有待提高等问题仍待解决。随着人工智能在医疗服务领域取得飞跃式进展，利用人工智能来实现智能化诊疗已经成为解决医疗现状问题的趋势[2]。2018年4月，我国政府发布了《关于促进“互联网+医疗健康”发展的指导意见》，为医疗信息和技术全面发展提供了有利平台，使得疾病诊疗智能化的解决方案加速走向现实。临床决策支持系统已经成为智能化诊疗的一个中心概念[3]，是医疗人工智能具体应用场景下的产品，也是解决当今医疗问题的重要举措。在我国，临床决策支持系统的应用正处于发展阶段，目前对于临床决策支持系统的综述，多为针对某功能（如影像类）或针对某病种进行的文献综述，着眼于某场景下的具体应用进展。本文将通过文献综述的形式，对临床决策支持系统整体的发展和应用现状进行文献梳理，并从中总结各功能应用反映出的优势和障碍，为临床决策支持系统的进一步发展和提高各医疗机构未来使用率提供一定参考。

1 临床决策支持系统功能概述

临床决策支持系统（clinical decision support system，CDSS）是一种卫生信息技术系统，旨在为医生和其他专业的医护人员提供临床决策支持。临床决策支持系统是医疗人工智能领域的一个重要课题，主要分为基于知识库和基于机器学习或深度学习两种类型形式[4]。Coiera[5]将CDSS的功能概括为8个方面，根据这8个功能的作用可归纳为4个类别：判别诊断类、疾病预测类、流程支持类和信息检索类。详见表1。

①协助诊断：通过临床医生输入的患者数据或者EHR存储的数据，通过专家系统和人工智能方法来帮助医生判断并进一步制定诊断方案，这也是CDSS发展和应用的第一个主要领域。②图像识别与解释：计算机辅助检测（CAD）可以识别病理组织，标记病灶，通过访问图像库，基于过往图像的推理来识别相似的病灶，给出与相关疾病的关联。如宫颈癌和乳腺癌的筛查。③治疗方案规划和评估：规划系统使用的是临床指南和治疗指南的典型知识，为特定病人提出行动方案。如在放射治疗中，规划系统可以为其中一个疗程进行治疗方案的设计，包括每次放射治疗的持续时间、强度和位置，其中使用了一个程序来进行复杂的剂量计算，确保正确的辐射剂量作用于正确的位置和深度；而评估系统是对某个治疗特定过程进行不一致、错误和遗漏的检查。④风险评估：支持包括癌症、心脏病、骨质疏松症或基于家族史对遗传疾病（如卵巢癌和乳腺癌）等的风险评估，通过计算掌握诊断和治疗的不确定性和可能结果，做出预防策略的决策并最小化风险。⑤医嘱输入和电子处方：自动创建电子处方并集成医嘱，在医嘱录入时，可以实现即时检查是否存在“药物-药物”或“药物-疾病”(如单胺氧化酶抑制剂和高血压)的相互作用、剂量错误(根据患者的生理数据，如肌酐清除率)以及个体化的药物禁忌。⑥过程支持系统：当涉及到CDSS的多种实现情况时，诊断和治疗方案选择是最受关注的。很少有人考虑要在系统中支持全面的护理过程，包括后续的疗效评估和患者教育[6]等。过程支持系统(PSSs)的目标是通过提醒系统、延迟交付处理、临床文档完成率、统计过程控制和调度及后勤支持系统来提高护理质量和安全性。⑦循证检索功能：信息检索系统（IR）在数据库或Web上，通过搜索引擎识别匹配所输入关键字的文档，还可以通过搜索按钮来获取解释实验和诊断结果的证据。⑧专家实验室信息系统：指的是将CDSS接入专家实验室，通过系统访问患者数据来生成实验报告和解释结果。

2 文献来源和纳入标准

数据来自于中国知网。检索式①：KY=临床决策支持系统，检索出219篇，检索式②：KY=（人工智能+智能化+知识库+深度学习+机器学习+决策支持） AND KY=（医疗+诊疗+诊断+诊治+治疗+临床+疾病+医学+医院+医药）检索出542篇，检索式③：KY=（人工智能*决策支持）检索出 3篇。由于本文的目的是从以往研究文献中探求CDSS各功能应用与发展情况，故排除了检索结果中有关医院智能设备和信息建设、国内外相关政策、医学信息学前沿分析以及其他不相关文献，再去除重复文献46篇后，共获得414篇文献。此外，还有上述文献的参考文献中与CDSS应用相关的文献17篇。共计431篇文献。

表1 CDSS的8个功能

3 临床决策支持系统各功能应用

通过对上述431篇CDSS相关的文献梳理，按8种功能类别的应用情况进行总结，详见表2。

4 CDSS在我国应用的优势与障碍

通过以上对CDSS不同功能类型的文献梳理，总结出了文献中提到的各功能在实际应用中发挥出的优势，以及遇到的障碍和应用限制。结合各功能所在领域的临床应用特点，归纳出如下内容，为CDSS各功能的应用和发展提供进一步参考。详见表3。

5 讨论

5.1 图像识别与协助诊断潜力尚需挖掘

总体来看，临床决策支持系统在图像识别与解读、协助诊断的应用比较广泛，技术也相对成熟。医学影像领域基于大量数据，具有天然的技术适配优势，且人文交互较少使得应用阻力相对较小。该领域以深度学习模型为主，同时与机器学习方法结合，对于临床和科研的发展助力可以预见。但由于所识别的组织结构复杂，边界不规则等原因，通常仅针对某一特定器官或疾病，需要多种类型方法结合以便相互弥补算法缺陷[22]，尚未有普适的方法对任何一个超声图像进行解析，解析能力仍需提高。此外，图像识别在单病种细分领域的进展比较迅速，但复杂的临床环境使得应用范围仍有限；协助诊断功能与临床结合时也存在特异性和信任问题，这些都一定程度影响了医生的采纳意愿。

5.2 治疗方案规划和风险评估需重点解决人文因素问题

治疗方案规划评估和风险评估因为需要机器学习或深度学习算法的复杂运用，人文互动过程多，涉及到的问题更棘手：包括伦理问题、医生和患者采纳意愿、相关政策和法规、准确度和有效性问题等。讨论此类问题的研究虽多，但落地实施仍艰难，成本也相对较高，因此还未有大范围的应用和推广。但此类研究对于医疗质量水平的提高具有重要意义，IBM提供了良好例子，但如果使其类似应用真正行之有效，还需大量的研究和临床实践检验。

5.3 过程支持系统建设需各方配合努力

过程支持系统功能是一个需要部署完备和较高配合度的功能，过程繁多，人文因素占比较大，慢性病管理就是过程支持的一个重要应用领域[23]。但过程支持系统对于提高现有的医疗和护理质量非常关键，良好的过程支持也能反馈于CDSS的其他功能应用，提供强大的数据和基础支持。此类研究仍任重而道远。

5.4 医嘱功能、专家实验室、循证搜索关键在于实时跟进数据

这类功能由于可嵌入度好（如循证搜索、医嘱输入）一般集成于综合性CDSS或与其他功能的CDSS相结合，或应用范围较小（如专家实验室信息系统）、涉及技术相对简单等原因，所见的专门研究相对较少，但是可实施性好，所见应用也较多。医嘱输入功能并不只是处方的信息化，而是基于信息集成，建立起临床知识库的各个逻辑节点[24]。专家实验室系统和循证搜索的挑战是其开发需要跟上最新数据的步伐，技术难度在于用统计模型来取舍不同文献来源的相悖结论，来给出证据和解释实验室数据的规则。

由于医疗行业的预防原则和行业特殊性，医疗与新兴技术的结合与医疗创新实例往往需要各方付出更多的努力，有很高的严谨度[22]。临床决策支持系统亦是如此，CDSS的应用需要通过大量测试和评估，通过暴露问题和不断改进，使该应用越趋向于可靠、安全、高效的临床结果。在临床决策支持系统与医疗结合的过程中，需要考虑的问题包括法律法规、医生与患者的接受度、潜在医疗事故和事故追责机制等问题。CDSS各种方面的应用，都朝着促进医疗领域创新、提高医疗质量、解决地区间医疗资源不平衡等问题发展。鉴于国内已经有一些临床决策支持系统的实际应用经验，但仍未大范围大规模地使用，这其中的原因包括技术发展不成熟、使用环境不完善，集成性不足以达到实际应用要求和相关人员接受度不理想等，后续的研究可着眼于这几个方面来进行。

表2 临床决策支持系统各功能的应用情况

表3 各功能CDSS在我国应用的优势与障碍