临床决策支持系统用于静脉血栓栓塞症预防管理的研究进展

马炎，夏同霞，王安素，彭道娟，娄义姣，高奉琼

静脉血栓栓塞症(Venous Thromboembolism，VTE)是继心肌梗死和脑卒中的第三大致死性心血管疾病[1]，其发生率、致死率高，严重威胁患者的生命安全，如何有效进行VTE预防管理是各医疗机构面对的一个难题[2]。传统的VTE管理模式依赖于管理者和实施者的知识储备与工作经验，无法保障各个环节的规范化实施。信息科技的发展为医学问题的解决提供了新途径，临床决策支持系统(Clinical Decision Support System，CDSS)可高效、动态地整合患者的各种生理指标与病情变化信息，将其与循证医学知识有机结合，从而智能辅助医护人员作出最佳临床决策，并有效提高医护人员工作效率与指南依从性[3]。国家药品监督管理局2017年发布的《医疗器械分类目录》中增加了决策支持软件类别[4]，国务院办公厅2018年发布关于促进“互联网+医疗健康”发展的意见，明确指出研发基于人工智能的CDSS，以提高医疗服务效率[5]。目前，CDSS在护理领域的应用受到广泛关注。本文对CDSS在VTE预防管理中的研究进行综述，为进一步完善CDSS及提高VTE预防管理水平提供参考。

1 CDSS的类型

CDSS是指能够提高临床决策效率，改善临床结果的医疗信息系统[6]。2009年，Osheroff[7]提出CDSS五要素框架，即在正确的时间，通过正确的渠道，对正确的患者，提供正确的干预方法和正确的信息，该框架是CDSS成功设计实施的关键。根据构建方式的不同，CDSS主要分为两大类，包括基于知识库的CDSS和基于非知识库的CDSS。基于知识库的CDSS包括知识库、推理机和人机交互界面3个部分[8]。知识库是该系统的基础和核心部分，包括各种疾病诊断、药物说明、检查检验指标、护理操作规范等循证知识。知识库采用if-then条件选择语句的程序规则来存储和管理知识，如如果(if)医生需要下达口服阿司匹林的医嘱，则(then)知识库调用阿司匹林的剂量、用法、禁忌证等信息[6]。推理机将患者信息与知识库内容进行比较分析，通过人机交互界面将最佳的临床决策结果展示给医护人员，同时医护人员也可以在界面输入与反馈信息。基于知识库的CDSS是临床使用最为广泛的类型，系统中的条目基于循证证据制作，具有较高的科学性及准确性[9-10]，但由于循证证据的时效性，需要不断更新知识库内容，而准确筛选高质量文献需要庞大的工作量。随着医疗信息化建设的不断发展，机器学习与医疗领域的结合更加紧密，应用人工智能的机器学习是构建基于非知识库CDSS的主要方法，使用的机器学习算法主要包括深度学习、人工神经网络、逻辑回归等[11]。基于非知识库的CDSS以VTE诊断、复发模型为主，通过对大数据进行建模分析，提供精准的预测结果，辅助医护人员对疾病的变化作出判断。人工智能技术弥补了对复杂临床数据的利用不足，为判断VTE的发生及转归提供了更多的参考，但其功能仍然较为单一。

2 CDSS在VTE预防管理中的应用

2.1基于知识库的VTE-CDSS

2.1.1VTE风险评估 由于VTE发病隐匿，早期难以鉴别诊断，且病死率高、预后差，因此准确评估患者VTE发生风险，针对不同危险程度的患者给予相应预防措施，是降低血栓发生率的关键。针对不同基础疾病的患病人群，世界各国学者及相关组织开发出多种血栓风险评估工具。临床应用较广泛的包括Wells评分表[12]、Caprini风险评估模型[13]、Padua风险评估表[14]。相比于纸质版评估工具，VTE-CDSS能够有效节省评估时间，电子评估记录保存便捷，并实现持续动态的监测，减轻医护人员工作负担。任宇飞等[15]将构建的VTE-CDSS嵌入到病历系统，实现Caprini血栓风险评估自动化评分，系统通过动态监测患者的检验结果、会诊、手术记录等信息，每日对患者自动进行VTE风险评估，按照危险程度进行标记并向医生小组发送预警信息。当患者被评为VTE高危或极高危时，系统通知相关科室进行影像学诊断，并开辟优先检验的绿色通道。该系统具有统一的评分标准，能够对患者的客观指标进行精准计算，在节约人力资源的同时也能够避免人为评分的差错，优化质控指标。

2.1.2VTE指南应用 为了指导临床医护人员对血栓进行规范的预防管理，相关组织与协会相继发表血栓预防管理指南与专家共识，但血栓预防措施的实施不尽如人意，临床实践与指南推荐之间存在较大差距[16]。王晓杰等[17]对国内80所三甲医院5 279名护士调查显示，41.62%护士从未接受过血栓预防相关培训，尤其是低年资护士对血栓物理预防和药物预防的知识与技能欠缺。通过将电子病历中患者信息与知识库内容进行对比，CDSS可按照指南条例生成规范标准的参考建议，并提醒医护人员进行相关操作。Zhou等[18]在开发的CDSS中植入美国胸科医师协会血栓防治指南，CDSS被激活后会定期评估患者VTE和出血风险，并按照指南的循证证据提供恰当的物理、药物预防等建议，使用CDSS后VTE发生率相对降低了19.35%，医护人员指南依从性明显增加。CDSS在增加指南应用依从性的同时，并没有增加医护人员的工作负担。伊朗一项研究显示，医生及护士普遍认为CDSS能够有效降低院内VTE的发生，并对日常使用CDSS态度积极[19]。

2.1.3VTE抗凝治疗 抗凝治疗是VTE预防和治疗的重要方法，但在抗凝的同时也增加了出血风险，严重的出血并发症会危及患者生命。安全用药是保障患者健康的重要前提，抗凝药物多种多样，其使用剂量、方法、禁忌证等均存在差异，临床工作环境又极为复杂，医护人员在用药时难免出现差错[20]。CDSS能够将患者信息与知识库内容进行对比，经过计算提示用药建议和提醒，以提高用药安全性并减少用药费用[21]。为了减少使用抗凝药物的风险，Ahuja等[22]组建多学科抗血栓小组并构建药物管理的CDSS，该系统包含基于患者年龄、体质量和肾功能的药物剂量建议、药物使用方法、监测参数等，应用CDSS管理药物的使用后，提高了患者服药剂量依从性及高风险药物的安全性和有效性。Woller等[23]对2 591例服用华法林的抗凝患者研究显示，患者发生任何关于药物使用的特殊事件都会被记录在CDSS中并触发警报，根据治疗效果区分层级，从而规范抗凝药物的使用，保障患者用药安全。

2.2基于非知识库的VTE-CDSS

2.2.1VTE诊断 静脉血管造影是目前诊断深静脉血栓(DVT)的金标准，但其侵入性操作对患者创伤较大且费用高，因此不是各大指南推荐的常规诊断方法。静脉彩色多普勒超声因其敏感性和准确性均较高，是DVT筛查常用的影像学检查方法，但其在多数科室并非常规配备，骨科、妇产科等血栓高危科室患者行动不便，增加了检查难度。因此，部分研究者建立基于机器学习算法的VTE-CDSS。Fong-Mata等[24]基于人工神经网络反向传播算法和改良Wells标准构建DVT诊断模型，并通过数据增强技术训练模型，经验证该模型对59例患者的诊断精确率高达98.3%。Willan等[25]回顾性分析7 080例疑似DVT患者资料，开发人工神经网络模型，其中5 270例患者资料用于开发算法，1 810例患者作为训练集对算法进行测试；模型采用二分类前馈人工神经网络，由13个自变量(年龄、性别、D-二聚体和WELLS评分的10个条目)的输入层，8个神经元组成的隐层和1个输出层组成，输出结果为0～1的数值，结果越接近1代表患者患DVT的概率越大；研究结果显示，该模型无需彩超辅助即可判断DVT发生与否，并保持低的假阴性率，与使用随机森林和支持向量机构建的模型对比，该模型也展示出性能的优越性。

2.2.2VTE复发风险评估 患者发生血栓后所需抗凝治疗时间目前仍存在争议，且由于VTE本身特性和患者服药依从性低，VTE复发率较高[26]。DASH评分[27]、Vienna模型[28]、HERDOO2评分[29]是目前使用较多的VTE复发预测工具，但不同模型纳入的危险因素及适用人群差异较大，且仅适用于无诱因血栓患者，无普遍适用性。为进行更精准的VTE复发预测，Timp等[30]基于现有预测模型及2个大规模队列研究开发了包括4个版本的血栓复发预测模型，适用于除癌症外的所有患者，将其植入电子病历能够有效实现血栓复发风险分层。国内尚无VTE复发模型构建的研究，VTE-CDSS的逐渐应用使临床数据更加便捷可用，为我国血栓复发模型的构建提高了可行性。

3 小结

VTE-CDSS的使用有效提高VTE管理效率和水平，减轻医护人员工作负担，减少人为差错的发生，保障了患者生命安全。但VTE-CDSS仍然存在问题有待解决，大多数系统均为医院单独设计开发，其构建过程也非公开透明，缺乏行业公认的高质量CDSS，且难以做到多中心验证及数据共享，不利于更新升级。其次，缺乏针对各专科的VTE-CDSS，骨科、ICU、妇产科等均是发生VTE的高危科室，不同科室患者VTE的危险因素虽有相同之处，但预防措施、管理要点等又各有不同，非专科的VTE-CDSS难以完全适用各个科室。因此，加强数字化平台建设和各医疗机构合作，实现数据共享，从而合理利用临床大数据，建设统一的管理使用平台是进一步完善VTE-CDSS的关键。