临床决策支持系统

出自 MBA智库百科(https://wiki.mbalib.com/)

　　临床决策支持系统，即CDSS（Clinical Decision Support System, CDSS），一般指凡能对临床决策提供支持的计算机系统，这个系统充分运用可供利用的、合适的计算机技术，针对半结构化或非结构化医学问题，通过人机交互方式改善和提高决策效率的系统。

　　最早，Osheroff把临床决策支持定义为“运用相关的、系统的临床知识和患者信息，加强医疗相关的决策和行动，提高医疗水平和医疗服务水平。”他还设计了著名的“临床决策支持五要素”框架，现在被医疗保险和医疗补助服务中心推荐为提高质量水平的最佳实践。框架建议：提高预后需要基本五个要素，即：在工作流程中，通过正确的渠道，在正确的时间，在正确的干预模式下，向正确的人，提供正确的信息。目前，临床决策支持的概念仍在不断更新，目前主流的工作定义是Robert Hayward提出的：“连接临床观察与临床知识，影响临床决策，改善临床结果”。这一定义将CDSS简化为功能概念 。美国医药信息学会（American Medical Informatics Association）将CDSS定义为为医务工作者、病人或任何个人提供知识、特定个体或人群信息，在恰当的时间，智能化的过滤和表达信息，为的是提供更好的健康、诊疗和公共卫生服务；或者CDSS是在正确的时间，对正确的对象，提供正确的信息，这有别于人工智能和专家系统。

　　CDSS是提升医疗质量的重要手段，因此其根本目的是为了评估和提高医疗质量，减少医疗差错，从而控制医疗费用的支出。临床医生可以通过CDSS的帮助来深入分析病历资料，从而做出最为恰当的诊疗决策。临床医生可以通过输入信息来等待CDSS输出“正确”的决策进行选择，并通过简单的输出来指示决策。

　　然而，新的CDSS实现辅助决策的理论主要关注于临床医生与CDSS之间的互动，以便于利用临床医生的知识和CDSS对医学知识的系统管理，更好地分析患者的信息，这样的作用较之于人或者CDSS系统本身具有更大的优越性。尤其是CDSS可以提供建议或输出一组相关信息以便临床医生浏览参阅，并可以选择出有用的信息而去除那些错误的CDSS建议。

　　另一个重要的CDSS分类系统是基于它被使用的时机。医生利用这些系统来提供服务以便于在他们处理病人时得到帮助，即被使用的时机为诊断前、诊断中和诊断后。利用诊断前CDSS系统，医生可以完成对疾病的初步诊断。而在诊断中的CDSS系统则可以帮助医生回顾并筛选出初步诊断，以便完善最终诊断结论。诊断后的CDSS系统可以用于挖掘病者与其既往医疗信息、临床研究之间联系的资料以便于预测其将来的健康问题。

　　AMIA指出，CDSS对临床的干预分为五种，即警告、提醒；信息按钮；成组医嘱（医嘱套餐）；文档管理和格式；相关数据表达。

基于知识库

　　大多数CDSS由三部分组成，即知识库、推理机和人机交流接口部分，只是部分依赖包括编译信息的规则与联系，通常采用IF-THEN规则来存储和管理知识。例如，某一系统用来研究药物之间单位相互作用，规则是如果服用X药物与Y药物，那么（THEN）服用者需要注意或者警惕什么。如果采用另一种方式，高级使用者可以编辑相关知识库里的规则，从而用于其它新药的研究。推理机部分是知识库的知识与患者信息整合、比较、分析的引擎。人机交流接口则允许将结果显示给使用者，同时也可以作为系统输入。

基于非知识库

　　基于非知识库的CDSS系统多采用人工智能的形式，这种人工智能能在近年的CDSS研发中被称为机器学习，可以允许计算机从既往经验中或是其他临床资料中获得知识。两种非知识依赖系统分别基于人工神经网络和遗传算法。包括人工神经网络、遗传算法。

　　医学知识和疾病的复杂性导致了在设计CDSS时需要考虑非常多患者因素，同时新发表的临床研究数以万计，质量参差不齐，如何将最高质量的证据用于CDSS是非常困惑设计者的事情。

　　临床工作流程的复杂性也增加了CDSS整合至HIS系统的难度。尤其是不少医院对于内外网有着严格的逻辑隔离甚至是物理隔离，进一步限制了一些在线CDSS的院内应用。