当我们谈论CDSS时,到底是在谈什么?

      CDSS,全称Clinical Decision Support System,即临床决策支持系统。顾名思义,就是通过可供利用的、合适的计算机技术,以人机交互的方式为医生和其他卫生从业人员提供临床决策支持,通过数据、模型等辅助完成临床决策。
 
      严格来讲,CDSS并不是一个新生事物。它的研究始于上世纪50年代末,迄今已发展超过60年。最早是由医学专家通过推理引擎,将专业知识和临床经验经过整理后存储于知识库中,利用逻辑推理和模式匹配的方式,帮助用户进行诊断推断,是一种专家系统。自七八十年代开始,对CDSS的研究重点不再是模拟专家?#22025;?#32780;是如何使系统能够更好地适应患者实际诊疗过程,协助临床医生自己思考,并做出更准?#36820;?#20915;策。自此,CDSS的功能逐渐强大和完善起来。
 
      近年来,随着大数据及人工智能技术的发展及其在医疗领域的应用不断深入,CDSS得到了?#20843;?#26410;有的关注。对医生而言,无论是Green Hand还是经验丰富的Old Hand,都会面临各种各样复杂的挑战,如诊断复杂疾病、避免医疗错误、提高工作效率等,CDSS无疑是帮助医生减轻负担、摆脱困境的一个绝佳途径。同时,对医院而言,CDSS也是信息化发展过程中必经的一个?#26041;冢?#23545;提升医疗质量、降低医疗成本等?#21152;?#30528;重要意义,也是通过电子病历系列评价体系的重点内容之一。
那么,人工智能到底对CDSS的发展带来了怎样的影响?与之前相比,在技术和功能上又实现了哪些突破?以下做一简要回顾和梳理。
 
1、人工智能:点亮CDSS的金?#31181;?/strong>
 
      传统CDSS是基于临床指南、专家文献等客观数据资料,通过对相关信息的收集、整理和分类、加工等,建立逻辑关联知识点,在诊疗活动中实现对疾病诊断、治疗、合理用药等方面的决策支持。但这种模式存在一定的局限性,只能基于既有的固化知识做出指导和评估,无法针?#24895;?#20307;的实?#26159;?#20917;进行更加深入和准?#36820;?#25366;掘?#27835;觶?#22312;决策支持的可靠性和精准度方面?#21152;?#25152;欠缺。
 
      而人工智能的出现,则使CDSS的功能有了更大的想象空间。它像一根金?#31181;福?#21487;以帮助人们在杂乱无章的数据海洋中?#39029;?#28508;在的、隐藏的联系,挖掘出更多有价值的信息,为临床医生的诊疗活动提供更加精准、可?#24247;?#36741;助支持,?#34892;?#25552;升诊疗水平和医疗质量。
 
2、发展趋势:知识库+算法
 
      按CDSS的决策支持基础,可以将其?#27835;?#20004;类:基于知识库的,称为Knowledge-based CDSS;基于机器学习?#20154;?#27861;或其他用于模式识别的统计类算法的,则称为Non-knowledge-based CDSS。就目前发展来看,CDSS主要是在知识库基础上,同时辅以机器学习等人工智能技术,通过算法从历史经验和海量临床数据中学习和识别出某些模式,自动获取知识来提供决策支持。
 
        CDSS系统架构图
     
      从CDSS的架构图可以看出,在整个系统构成中,知识库依然是非常基础和重要的部分。但除以往的临床指南、循证医学、文献资?#31995;?#25968;据外,它还可通过自然语言处理、机器学习等技术,从医院各业务系统的历史病历数据中学习、整理出更多的信息,导入知识库,形成一套从临床到用药等丰富的知识?#35745;?#20307;系,为后续构建临床业务规则库及实现业务功能提供支撑。
 
      在知识库基础上,根据临床提出的业务规则,将规则引擎和规则流作为基础核心,使用人工智能技术构建推理系统,形成临床预警提示规则库、辅助诊断规则库、辅助诊疗规则库,满足业务逻辑的多变性。最终,实现CDSS在辅助诊断、辅助诊疗、医嘱追踪、诊疗提醒、依从规则设置、依从监控、临床指南、不良反应监测、相似病例推荐等方面的功能。
 
3、技术突破:流程问题、后结?#22815;?/strong>
 
◆ 通过与电子病历系统无缝集成,达到符合临床实?#20351;?#20316;流程
 
      理想的CDSS应是通过正?#36820;那?#36947;,在正?#36820;?#26102;间和正?#36820;?#24178;预模式下,向正?#36820;?#20154;,提供正?#36820;?#20449;息。而实现这一目标的前提,是系统必须符合临床医生的日常工作流程,最直接的方法就是与电子病历系统无缝集成。
 
      电子病历作为患者所有临床诊疗信息的集合,包含了患者管理系统、实验室信息系统、放射信息系统、药房系统、医嘱录入系统等在内的大量数据,可以支持面向医护人员的各类决策辅助功能。CDSS通过与电子病历系统的紧密结合,即可实现与医生工作流程相融合,进而在关键业务节点提供决策支持。
 
◆利用多层?#25105;?#30103;术语抽取模式,实现自由文本的后结?#22815;?#22788;理
 
      电子病历作为临床数据的核心,80%为自由文本数据,需利用自然语言处理技术进行后结?#22815;?#20197;挖掘其中的重要信息。有别于传统自然语言处理中词?#21592;?#27880;、分词、句子边界识别、句法?#27835;?#31561;方法,通过对电子病历结构规则的研究,可以从中提炼出独有的算法和模型,通过分词引擎对其中的文本信息进行处理,输出为多层次、结?#22815;?#25968;据,作为立体理解患者病情的基本要素,最终实现病历自由文本?#27835;?#30001;通用的标签分词到语义?#27835;?#30340;转变,为数据的?#27835;?#21033;用奠定基础。
 
        自由文?#24452;?#23618;?#25105;?#30103;术语抽取模式示意图
4、未来可期:我们的成绩单
 
      以嘉和美康大数据事业?#24247;腃DSS为例。目前,系统已完成7000多万份病例的机器学习,可支持6000多个疾病的?#27835;?#32500;度,模型准确度达96%以上,为实现个性化、精准化的辅助诊断及诊?#21697;?#26696;推荐奠定了基础;同时,建立了超过17,000个疾病本体,产生各种本体关系400,000个,大大丰富?#24605;?#30149;知识?#35745;祝?#20351;得本体间的联系更容易被机器识别;并提供超过20,000个预警规则,支持毫秒级规则响应,?#34892;?#25552;升医生在诊断、用药及检验、检查等方面的合理性及准确性,避免医疗差错的发生。
 
5、实?#20540;?#20855;体功能如下
 
      全面、客观的诊断辅助。包括:诊断概率列表、鉴别诊断推荐、检验/检查项目推荐及报告解读,以及相似病历推荐等。
精准化、个性化的诊疗辅助。即:在权威治疗指南及文献综述等基础上,提取出真实病例治疗原则,并结合患者实?#26159;?#20917;和当前病情,给出精准化、个性化的诊?#21697;?#26696;推荐。
 
      灵活、?#34892;?#30340;预警提示。包括:诊断预警、药品预警、检验/检查预警,以及对患者未?#24202;?#24773;发生、发展的预测。同时,支持将病历自然语言处理结果作为规则项目进行灵活配置,并设置预警等级可控,提升预警灵活性和?#34892;?#24615;。
 
      便捷、高效的知识搜索。系统目前可完成基于940,000多个知识点的多维度检索,检索速度达毫秒级;知识分类明确,并可提供基于病历统计信息的融合类目,如:流行病学、疾病?#20013;汀?#30142;病治疗类型、手术分布、用药分布等。
 


返回
365时时彩走势图
七乐彩2009年开奖结果 快乐赛车 万人抱团炒股骗局 江西麻将玩法介绍 千里马时时彩免费计划 三肖六码精准网址 yp街机飞禽走兽技巧 手机赚钱集资 内蒙11选5遗漏 500万彩票网足球即时比分 安徽11选5下载安装 欢乐生肖吧 湖北麻将如何按程序 pk10八码滚雪球方案 最终幻想如何赚钱 甘肃快三走势图