临床决策支持系统研究初探
胡安邦① 廖邦富①
①成都成电医星数字健康软件有限公司,610047,成都市武侯区武科东四路11号慧谷5栋4号
摘 要 临床决策支持系统是电子病历最高层次的应用之一。
本文介绍运用循证医学和语素级临床汉语言解析引擎进行临床决策支持系统的研究,特别是对临床诊断决策支持的研究。
关键词 临床决策支持 电子病历 CDSS 语素解析
1 概述
目前国内电子病历系统已经得到广泛的认同和应用。
虽然大部分电子病历的应用还停留在如何记录和保存电子病历上。
但是业界比较领先的电子病历公司,已经在研究电子病历质量控制、语素或语义解析、临床决策支持(Clinicl Decision Suport System简称CDSS)等涉及到电子病历核心技术方面的内容。
电子病历系统除了应采集到全面、精细、结构化的电子病历数据外,必须辅助医护人员进行临床决策,才是电子病历应用的核心和最终目标。
理想状况下,临床上任何医疗活动应该有CDSS支持,所有的医疗决策和操作,都是通过电子病历系统对病人信息进行了充分的智能化分析,遵循最优路径的方式来进行。
达到智能化或智慧型的电子病历。
智慧型的电子病历最重要的特征就是有完备CDSS支撑。
国际上先进国家已经有许多著名CDSS,如:Archimedes Model,Autonomy,DiagnosisOne,Dxplain等,已经广泛应用于临床。
而我国目前该领域在临床应用中也有一些小规模的片段性的应用,但还没有真正起步。
国外的CDSS要完全引入我国,由于医疗过程和语言的不同,远远不是翻译就能够解决的问题。
CDSS 知识库的移植也是一个浩瀚的工程。
国内电子病历的CDSS还远没有成形,要达到智慧型电子病历还任重道远。
CDSS是涉及医学各方面的智能化体系,包括疾病诊断、治疗、护理、手术、用药等方面的决策支持,循证决策的支持,鉴别诊断的支持,预防误诊误治的支持,预后康复方面的支持,为医务人员提供诊断治疗工具和资料等。
在CDSS的功能方面,必须具有对临床医疗的建议、提醒、报警、计算、预测等。
其重点在诊断,治疗的决策。
对于CDSS的研究,其知识库来源、决策方法和电子病历的结构化解析是必须的基础研究工作。
我们把循证医学作为构建CDSS知识库和决策方法的基础。
对于电子病历的结构化解析,我们首先研发的临床语言解析引擎[2],已经获得国家方面专利,使整个研究有了较好的基础。
2 CDSS与循证医学结合的研究
2.1 把循证医学的临床证据作为建立CDSS知识库的基础 智慧型电子病历是我们对电子病历系统研究的重点。
对于智慧型电子病历中CDSSD 研究,知识库的正确性对于CDSS至关重要。
我们把循证医学中高级的证据作为CDSS知识库的信息来源基础。
循证医学的核心思想,就是在医疗决策中,将临床证据、个人经验、患者的实际状况三者结合起来,进行疾病的诊断和治疗。
其中,临床证据主要来自大样本的随机对照临床试验(randomized controlled trial,RCT),经过系统性评价(systematic review)或荟萃分析(meta-analysis),对大量临床证据的总结、分析、评价,形成的各种证据(甚至金标准),可以作为构建CDSS知识库的可靠、正确的基础。
2.2 以循证医学的理论指导诊断治疗决策研究 对于CDSS的研究,还在循证医学理论指导下,作为研究CDSS诊断决策,治疗决策,预后决策的基础方法。
对这几个方面研究的功能和解决方案描述如下:
诊断决策:将循证医学中的各种诊断和治疗证据,用元素和语素形式进行整理,构建
CDSS知识库。
对电子病历信息,通我公司的语素级临床汉语言解析引擎专利技术进行语素和元素解析。
把从电子的病历中解析的关键信息与构建的CDSS知识库预先定义好的诊断标准进行匹配、比较、运算,得到最匹配的诊断,计算出诊断的匹配度,提出确诊该诊断还缺乏的证据。
辅助临床医师做出正确的诊断。
治疗决策:在对病人疾病做出了正确诊断的情况下,根据病人疾病信息、病理生理指标的解析,与构建的CDSS知识库预先定义好的治疗信息范围进行匹配、比较、运算,得到最优的治疗医嘱方案,提出治疗和用药,药品用量,用法,用次等方面的建议,供医生和患者协调选择。
对超过范围的医疗指标进行报警,提出不合理的医嘱等意见。
还可以允许医生根据病人对医疗费用等方面的个人意愿,系统提出最优治疗方案的意见。
预后决策:病人在医院治疗过程中,根据病人在院的疾病和实际治疗信息,与构建的CDSS知识库预先定义好的疾病预后决策方案范围进行匹配、评估,得到最优的病人预后估计方案,对继续治疗采用的方案进行修订。
形成对病人预后情况不断反馈和治疗方案的不断修正,使医生的治疗决策达到最好的效果。
3 应用语素级临床汉语言解析引擎进行诊断决策研究
3.1诊断决策的关键技术 诊断决策是我们目前阶段研究的重点。
在我们研究的CDSS知识库中,循证医学的证据和临床病例都是用临床语言描述的,是可以结构化的。
具备匹配、比较、运算的基础。
病人电子病历的元素和语素的后台智能化解析,是实现诊断决策中,把从电子的病历中解析的关键信息与CDSS知识库进行匹配、比较、运算的关键和核心技术。
3.2电子病历的元素和语素的后台智能化解析的设计要点 首先进行语素级的XML结构化,然后标注关键节点的匹配权,缺乏权,各节点间的逻辑关系,多节点匹配补偿因子等等;优先考虑常见疾病证据的匹配;分语言段匹配疾病证据;计算出各证据节点匹配度;提取前N 位证据;为医务人员展现前N位的诊断,提出这些诊断的证据的符合情况和不符合的情况和缺乏的证据。
4 应用语素级临床汉语言解析引擎进行诊断决策研究的实例
4.1病人的现病史病历 “入院前2小时于晨起穿衣时突然出现左侧肢体活动不能,无法自行穿衣,言语欠清晰,无头昏、头痛,无恶心、呕吐,无抽搐及意识障碍,无大小便失禁,家人发现后即送我院急诊科,经头颅CT:颅内未见明显异常。
”
4.2经过临床汉语言解析引擎解析后,结果摘要如下:
•<C1>
•<ZZ>
•<ZZ.1>活动不能</ZZ.1>
• ……
•</ZZ>
•<ZZ>
•<ZZ.1>语言不清</ZZ.1>
•</ZZ>
• ……
•</C1>
4.3 在我们的CDSS知识库中,脑梗(塞)死的诊断有一系列诊断证据,其中一个是“有以下1个以上症状持续24小时:1.意识障碍;2.视力极视野损害;3.不完全或完全性偏瘫,或双侧瘫(尤其是脑干损伤时);4.半身感觉障碍;
5.语言障碍;
6.吞咽障碍;
7.共济失调”。
在知识库中表示为:
<Gist>
……
<ZZ OriText="半身感觉障碍">
<ZZ.1>活动不能</ZZ.1>
<ZZ.1>感觉障碍</ZZ.1>
<SJ>
<SJ.5>时间定义</SJ.5>
</SJ>
</ZZ>
<ZZ OriText="语言障碍">
<ZZ.1>语言不清</ZZ.1>
<ZZ.1>语言不能</ZZ.1>
<ZZ.1>语言障碍</ZZ.1>
<SJ>
<SJ.5>时间定义</SJ.5>
</SJ>
</ZZ>
……
</Gist>
4.4通过匹配算法,匹配上2条证据,则支持该诊断的决策。
并且计算出该范例脑梗(塞)死的诊断匹配度达到70%。
5 结语
通过以上研究,我们已经打下诊断决策支持的基础。
准备嵌入我公司电子病历系统,建立某专科的常见疾病电子病历的CDSS,进行更深入的研究。
但是CDSS是一个庞大的、涉及医疗业务和信息的智能化系统,需要更多的同道进行研究和开发。
我们希望以上引玉之砖,能脾益于CDSS的研究。
我们也希望能与同道和医院,进行合作,加快中国的CDSS研究。
造福人民健康。
参考资料
[1] 中国数字医疗网,Neil Versel,《十大新型临床决策支持系统》,2012;
[2] 中华医院网络大会论文汇编,胡安邦 廖邦富《语素级临床汉语言解析引擎及在电子病历中的应用》,2011。