◆◆◆
CDSS的定义
临床决策支持系统（ClinicalDecisionSupportSystem，CDSS）是指运用相关的、系统的临床知识和患者基本信息及病情信息，加强医疗相关的决策和行动，提高医疗质量和医疗服务水平的计算机应用系统。与传统的将临床指南、药品使用说明等信息录入知识库中供医生查询浏览的系统完全不同，CDSS的核心是提供决策支持，而非简单的信息支持。◆◆◆
CDSS发展历程
CDSS的发展主要经历了四个阶段：第一阶段：以独立系统的形式存在，不与临床其他系统产生互操作。第二阶段：主要特征是能够与临床信息系统进行集成。第三阶段：为解决CDS知识共享的问题，致力于临床知识表达的标准化。第四阶段：再次从临床信息系统中独立出来，演变成基于服务模式的系统。阶段特征代表性的CDSS系统第一阶段独立存在的CDSS（Stand-aloneSystem）年LedleyLusted年Warner年Bleich年Leeds年Mycin年InternistQMR年Atending年Dxplain年Isabel第二阶段集成到临床信息系统的CDSS（IntegratedSystem）年HELP年RMRS年EON年WizOrder年CPRS第三阶段基于标准的CDSS（Standards-basedSystem）年Arden年GLIF年GELLO第四阶段基于服务的CDSS（ServiceModels）年SAGESEBASTIAN年SANDS◆◆◆CDSS分类CDSS可根据系统的不同特征进行不同维度的划分，基于知识库形成方式，CDSS可以分为两大类。第一大类是基于知识库（Knowledge-Based）的CDSS：如早期基于精确概率的LeedsAbdominalPain系统以及基于近似概率的DXplain和QMR。对于医生应采取行动的决策支持系统常见的有基于概率的决策树分析法与基于规则的方法。另一大类是非基于知识库（Non-knowledgeBased）的CDSS：这类系统不依赖人来输入知识，而依赖机器学习（Machinelearning）原理从大量的实例中自动获得知识。常见的算法有Bayesiannetwork、SupportVectorMachine、神经网络、基于相似性的算法等。但此类缺点是系统难以对结果进行人类容易理解的解释。◆◆◆CDSS设计的核心要素▌基于知识库的CDSS此类CDSS的设计原理占到了目前CDSS中的大部分，其核心是知识库的建立和知识对决策支持的具体利用，系统的核心要素如下：知识库知识库里面的内容可能是结构化的知识，或者来自权威医疗信息研究院的结构化或非结构化文本材料，例如英国医学期刊（BMJ）、电子病历系统自己处理后的结构化数据等。知识库的信息模型必须要能够应对临床应用场景，提供相关的辅助信息。CDSS知识库包含的是基于证据支持的知识，主要包含两大类：分别为基于文献的证据（Literature-basedEvidence）和基于临床实践的证据（Practice-basedEvidence），两者的作用经常是相辅相成的。知识库的内容需具备两大特性，才能满足辅助临床医生决策的需求：一是知识库的内容必须是基于证据支持的（基于文献和基于临床实践的证据同等重要，可相互补充）；二是知识库随时保持证据的实时更新。要做到以上两点并非易事，国内在医疗领域，OMAHA构建的知识图谱则满足了以上特性，具体较强的代表性，关于构建一套高质量的医学知识图谱，OMAHA有以下几点经验：首先，构建适合医学领域的Schema模型来作为框架来指导构建。OMAHA知识图谱Schema的构建过程中，充分研究和借鉴了国内外已有知识图谱Schema(如UMLS语义网、Wikidata、Schema.org、cnSchema等)，同时也考虑到了中文医学知识的特点，使其更好地符合中文环境，同时我们也开放我们的Schema模型，让大家一起参与模型的使用和优化，努力为未来中文医学领域的知识图谱、数据挖掘、语义分析等提供可参考和可扩展的数据定义和描述规范。然后，选取循证等级高的临床知识库、临床指南、临床路径等资料作为知识来源从而保证图谱质量。目前OMAHA知识图谱的主要来源是开放的循证等级较高的高质量医学知识资源，如临床指南、临床路径、诊疗规范、医学教材和药品说明书等。最后，通过自动抽取和人工审核的形式，确保知识图谱的准确性和高质量。知识抽取的过程中用机器抽取配合专业人员审核的形式，最终发布的图谱也不断接受行业内应用方的反馈，进行动态维护更新，努力保证数据的质量。OMAHA知识图谱的研究成果目前都已经在HiTA知识服务平台发布。其中发布的知识图谱Schema模型，包含72种语义类型和种关系。同时目前已发布“药品-适应证”知识图谱，包括实体3.7万个、关系43.0万条；“临床路径”知识图谱，包括实体1.8万个、关系11.3万条；“疾病科室”知识图谱，包括实体3.1万个、关系14.2万条；“心血管系统”知识图谱，包括实体0.6万个、关系3.0万条；新型冠状病毒肺炎诊疗知识图谱，共包括实体0.07万个，关系0.3万条；“疾病临床表现”知识图谱，包括实体1.5万个、关系8.0万条；“中毒”知识图谱，包括实体0.5万个、关系2.4万条。大家可以登录HiTA知识服务平台（hita.omaha.org.cn），加入OMAHA下载全量数据。（点击文末阅读原文，立即加入OMAHA）推理机推理机能够理解知识库里的内容，是CDSS的核心组成部分，对分析和解释临床知识数据有着至关重要的作用。值得注意的是，在任何情况下，CDSS只是作为支持系统，真正做决定的是终端用户。人机交互接口人机交互接口的作用是建立起电子病历系统和CDSS之间的交互，且交互的过程需要与实际的临床业务流程相协调，确保在对的时间给出合适的决策支持。▌非基于知识库的CDSS不像基于知识库的CDSS提前已经预设好知识库，非基于知识库的CDSS采用基于机器学习的人工智能技术，让计算机学习过去的经验或临床常规模式，然后将学到的这些“经验”放进其知识库。因此，CDSS也是人工智能在医学中的一项重要应用。比较流行的非基于知识库的CDSS通常采用人工神经网络（ArtificialNeuralNetworks，ANN）和遗传算法（GeneticAlgorithms，GA）。非基于知识库的CDSS的原理比较简单，只需要足够的语料去训练算法即可。基于这样的模式，提炼出来的知识的可靠性是关键问题，在疾病预测和人群健康管理领域有比较大的应用空间；或是对训练出来的结果进行进一步的临床证据论证，配合基于知识库的CDS模型共同使用，才能应用到个体的病例上。后续将继续为大家解读CDSS的价值、应用和发展建议。OMAHAHiTA：元数据
术语
知识图谱
为了治愈，我们选择开放和共享
点击“阅读原文”，立即加入我们，一起开启个人健康医疗数据的归还运动吧！
预览时标签不可点收录于话题#个上一篇下一篇推荐文章
热点文章
