基于多角色的新型临床决策支持系统构建

关键词： 误诊 引言 服务 医疗

一、引言

随着人们对医疗服务的需求持续增长, 不断出现的复杂疾病对医疗工作提出了严峻的挑战, 医疗工作者要在有限的时间内提供更高效率、更高质量的诊疗服务, 切实降低误诊的发生。

由于医生只有经过5-10年甚至更长时间的实际临床诊疗活动的锻炼, 才能积累丰富的诊疗经验。此外, 医学发展步伐的突飞猛进使得医学领域知识达到前所未有的广度和深度, 逐渐超出医师们学习和掌握限度。每天面对大量的信息和数据让医师们无所适从, 临床诊疗经验不足更加重这种情况, 导致诊疗效率低下。

二、临床决策支持系统分析

将各医疗专科领域专家的诊断知识和经验发掘出来, 结合最新的临床指南、医学文献、医学辞典、医学图谱等海量数据, 借助计算机的高性能存储处理能力, 建立强大的临床知识库, 运用先进的推理引擎规则和灵活的人机交互模式, 开展临床辅助决策支持, 这就是临床决策支持系统 (Clinical Decision Support System, CDSS) [1]。可以帮助广大医务工作者尤其是低年资医师在很大程度上减少诊断差错, 提高诊疗效率, 优化诊疗流程。当前CDSS功能上多局限于各自的专科如侧重于某类疾病的诊断决策, 或局限于某些业务领域, 问题突出表现在:低可用性, 无法融入临床工作流程、与相关业务系统结合度低;应用定位狭窄;知识内容来源单一、通用性以及权威性缺失等问题。当前CDSS功能上多局限于各自的专科如侧重于某类疾病的诊断决策, 或局限于某些业务领域, 问题突出表现在:低可用性, 无法融入临床工作流程、与相关业务系统结合度低;应用定位狭窄;知识内容来源单一、通用性以及权威性缺失等问题。

三、新型临床决策支持系统的建设

(一) 跨专科的临床诊疗知识库

知识库的建立是开发一个决策支持系统的关键步骤, 知识的“质量”决定着这个决策支持系统的成功与否[2]。知识库包含if-then这样的规则和概念, 采用产生式规则作为知识表示方法, 将已有的医学知识从医学专家的大脑中或书本上抽取出来, 加以归纳总结形成推理可利用的形式。临床知识主要来源有: (1) 纸质的或数字化的医学临床术语本体库, 以国家权威的临床诊疗指南、临床操作规范、临床用药指南等医学资料为核心参考。 (2) 运用数据挖掘方法从电子病案中挖掘专家丰富的临床经验和诊疗知识。 (3) 直接来自于医院众多专家的临床诊疗案例和循证经验, 知识工程师通过与临床专家的深度合作, 将这些经验进行分析、抽象、简化, 组织成计算机能够理解的形式, 形成医学知识库。知识库的规则需覆盖诊前决策、诊中支持、诊后评价的众多业务场景, 提高知识获取质量和效率, 优化知识表述规则, 实现医学知识的有效存储和利用。

(二) 多角色、高可用性的临床决策支持系统

强大知识库的建立是开展高效决策支持的基础, 推理引擎和用户沟通机制则决定着CDSS系统的呈现方式和应用效果。推理引擎是CDSS的核心, 可以根据知识和病人的信息进行推理, 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, 对诊断或治疗提供决策支持。用户沟通机制需要通过人机交互接口供用户输入数据, 系统输出推理结果展示给用户。建立一个行之有效并为医疗工作者所接受的CDSS, 关键在于临床数据库、医学知识库、决策模型库的合理构建, 以及符合临床医疗工作者思维习惯的用户接口。构建符合医院诊疗特色, 能够为医生、护士、药剂师、麻醉师等多角色的临床医疗工作者服务的临床决策系统, 从合理用药、合理检查、合理检验、智能护理、合理用血、辅助诊断、智能手术及麻醉、医疗质量监控等多个维度开展临床决策支持工作, 改变传统CDSS因业务域限制造成的诊疗流程割裂, 实现覆盖诊前、诊中、诊后全流程、跨专科的、众多业务场景下的辅助决策。

(三) CDSS系统与临床工作流程的融合

CDSS系统与临床工作流程的融合程度是CDSS可用性的重要衡量标准。能否有效的集成到实际临床工作流程中是影响CDSS能否真正落地应用的一个重要因素。要完成CDSS向临床工作流程的有效集成需要更多的与临床医护工作人员沟通合作, 以加深对实际临床流程的理解。在此基础上通过已建立的临床数据中心, 实现CDSS与现有业务系统深度耦合, CDSS与电子病历的交互过程中需要与实际的业务流程相协调, 通过CDSS与电子病历的集成, 实现数据互通, 在数据输入阶段信息的录入大都无需人工操作, 从数据集成平台直接调取患者信息;在数据输出时, 以用户需求为原则, 尊重临床一线工作习惯, 努力提高CDSS的可用性, 实现CDSS与医疗工作流的紧密结合, 提供实时的诊疗活动现场的决策支持。

(四) 决策支持效果的知识评估模型, 持续优化临床知识库

CDSS系统可实时收集医生的反馈评价, 通过效果反馈评估模型, 借助知识工程, 通过分析搜集的用户行为数据, 研究由数据驱动的触发规则记录, 结合健康人体和疾病群体大数据分析, 持续更新知识库内容, 持续优化知识推理规则, 不断进行CDSS与最新临床信息的整合, 为医生诊断和治疗决策提供全面的帮助。

四、总结

本研究通过对临床知识库、CDSS知识搜集、CDSS应用评价效果分析、专科知识库、CDSS对基础诊疗影响五个方面的深入探讨, 形成一个全方位、多角色、高可用性的临床决策支持系统。有利于整合医疗资源, 优化医疗资源的配置与应用, 提高临床决策的安全性, 从而整体上提升医院的运营效果、效率和效益。

摘要：临床决策支持系统利用人工智能等先进信息技术, 以人机交互方式改善和提高医疗决策效率, 减少诊断差错, 提高诊疗效率。针对当前的临床决策支持系统普遍存在限制于单一专科、单一业务领域、没有与临床工作流融合、无法及时整合新临床医学知识、临床可用性低的问题, 设计建立多角色、跨专科、高可用性的全院级临床决策支持系统, 该系统包含强大的临床知识库并持续更新, 与原有业务系统深度耦合, 不断优化知识推理规则。

关键词：多角色,临床决策支持系统,知识库,高可用性

参考文献

[1] Wells D.M., Walrath D., Craighead P.S..Improvement in tangential breast planning efficiency using a knowledge-based expert system. Med Dosim[J].2000, 25 (3) :133-138.

[2] 何建敏, 于跃海.基于粗集理论的医学诊断规则提取方法[J].系统工程学报, 2002, 17 (6) :519-525.