dafacasino网页版-dafa唯一官网

【摘要】随着医院信息化程度的加深，医院数据呈现指数级增加。对于医疗数据的利用与挖掘已成为临床与相关领域的研究热点。临床决策支持系统作为结合人工智能技术与临床数据的成熟人工智能产品，除了能够为医师提供基于循证医学证据的优质诊疗方案，同时还可以根据患者病情变化及时触发预警信息。本文旨在改进临床决策支持系统的功能，使其能够在脑梗死合并心房颤动患者抗栓治疗中具备预警不当处置及不合理用药等情况的功能，进而提升此类患者的诊治质量与结局效果。

 

【关键词】 临床决策支持；脑梗死；心房颤动；规范化治疗；临床预警

 

卒中是目前中国成年患者致残、致死的主要原因，导致卒中的独立危险因素较多，其中心房颤动为常见危险因素，可极大地增加患者血栓栓塞风险[1-2]。虽然脑梗死合并心房颤动患者抗栓治疗中的治疗流程与用药时机已有明确的规范化方案，但是在TIA发生后，阿司匹林与氯吡格雷联合治疗的用药时机等环节并没有得到很好的依从。与此同时，随着医疗卫生事业的发展与计算机科学技术的进步，医疗行业的智能化水平不断提升，临床决策支持系统（clinical decision support system，CDSS）作为医学知识工程和人工智能交叉领域的重要应用，一直是医疗数据智能应用的主要方案[3]。故此，本文以此为背景，在临床病历与临床知识库的基础上通过机器学习挖掘形成规则库[4]，利用CDSS为医务工作者提供知识，并且在恰当的时间智能化地过滤和表达信息，从而实现提示预警的功能。

 

CDSS注重与医师的互动性，能够满足医师在诊疗中关于预测、预警、规范流程、知识相关的需求。其主要以医院累计的原始数据和相关指南内容为基础，经过智能工具统计与抽取形成结构化的病历资源与知识库。再根据人工或者机器定义相应的对照关系形成临床知识引擎，用于支撑具体的业务功能。系统架构主要包括结构化知识库、临床规则引擎和业务功能三个部分（图1）。

 

1.1 结构化知识库 CDSS建立在拥有完善、全面的知识库基础上。CDSS在已有临床数据中心的构建与应用情况下，结合综合的循证医学证据、临床指南及专家意见，通过自然语言处理、机器学习技术及人工整理审核相结合的方式，设计完成了完整的知识图谱体系。为后续构建CDSS规则库及临床预警提示的实现提供支撑。

 

1.2 临床规则引擎 规则依据相关指南和既往案例，是患者具体的疾病症状、检验报告、医嘱与预警提示内容及原因的内在联系。临床规则库是实现预警提示的核心部分，其以知识库为基础，以规则引擎和临床预警规则为核心，结合心房颤动规范化临床流程，采用IF-THEN（如果/则）形式进行存储和管理，如系统为了体现药物间相互作用，规则可以写成“IF”表示

不包含抗凝药物，“AND”提示存在出血风险预警，“THEN”提示建议开立抗凝药物。

 

1.3 业务功能 CDSS在脑梗死合并心房颤动患者抗栓治疗中的具体业务功能主要包括以下方面。①危急重症提醒：系统根据患者病情进行分析和判断，对于可能出现的危急重症给予提醒和警示，避免因诊疗疏漏引起重大医疗事故；②合理用药操作提示：包括药物相互作用提示、注射配伍提示、药物禁忌证提示、药物异常信号提示、特殊人群用药提示、剂量提示、过敏提示、药物重复成分提示；③治疗方案推荐：系统根据医师诊断，患者主诉、现病史、既往史、个人史、婚育史、家族史等详细内容，在医师开立医嘱过程中智能推荐最佳治疗方案；④知识搜索：提供相关临床指南、医学文献、药品说明，以及可供参考的静态医学知识。

 

2.1 预警与提示 CDSS对脑梗死合并心房颤动患者各项指标设定危急值报警区间，智能选择特定指标，当数据达到警戒值或与其他因素结合存在潜在危险时，CDSS会提醒医务人员加强关注。与传统基于结果驱动的临床预警功能不同，基于CDSS的预警提示采用事件驱动方式，与临床工作流结合，强调在适当的时机提供适当的预警，如根据血栓风险评分向医师发出预警，提示患者存在血栓栓塞风险[5]。基于CDSS的预警提示在功能实现过程中，通过自然语言处理对患者病历进行后结构化处理，针对脑梗死合并心房颤动患者抗栓治疗过程中容易出现的不合理处置及用药，对疾病诊断、用药、实验室检查等进行规则判定，从而提高医务人员对标准化方案的依从性，减少医疗误差。

 

2.2 信息反馈与证据支持 采用基于自然语言处理的多层次临床术语抽取模式的CDSS以更细颗粒度对自由文本形式的患者电子病历进行提取。提取字段主要包括症状、体征、持续时间、治疗手段及效果等。将提取字段与对应的临床术语相互关联，并以时间关系加以重组，最终输出为具有逻辑层次关系的多层次结构化数据。结构化数据适用于CDSS的分析识别过程，可作为规则引擎的输入项最终获得信息反馈。同时，CDSS可作为一种搜索策略检索知识，为医务人员抗栓治疗过程中的决策提供证据支持。

 

2.3 治疗方案提醒 CDSS运用大数据技术的医疗信息整合和规则学习，获得针对脑梗死合并心房颤动患者抗栓治疗过程中的条件与结果信息。CDSS可引用患者医疗字段，决定哪些诊疗规则可满足相应临床事实或目标，并确立规则的优先级，存储满足事实约束或目标的多项规则，形成有序的执行队列[6]，同时规则引擎通过演绎推理算法实现系统的推理机制。如TIA患者诊断包含缺血性卒中且NIHSS＜3分的患者，系统将进一步判断处置过程是否包含双抗药物，根据判断结果在医师下达诊断及书写入院记录时提示建议对患者进行双抗治疗。

 

2.4 用药提醒 CDSS可以在临床抗栓治疗过程中确认药物种类名称、剂量错误、禁忌证及过敏反应。除通过预警提示方式帮助医务人员合理用药外，CDSS还可以实现在更多相关条件下的智能用药提醒。如为规范使用抗凝药物，系统还可以实时预测患者出血风险。结合患者心电图报告、24 h动态心电图结果及具体医嘱内容条件，在入院后、住院期间、书写出院记录等时间点提示建议开立抗凝药物。

 

综上所述，CDSS应用于脑梗死合并心房颤动患者抗栓治疗过程中，实现了与整体治疗过程相匹配的预警功能。与传统基于结果驱动的临床预警功能不同，CDSS的临床预警功能可提示通过大数据技术的医疗文档整合、机器学习技术的文本结构处理，在危机出现前以更广泛的维度为临床医师提供快速精准的预警提示。并将规范治疗方案与CDSS相融合，在疾病的整体诊治流程对医务人员进行预警提示，进而提高医师对规范诊疗及治疗指南的依从性，从而减少医疗误差[7]。此外，CDSS对脑梗死合并心房颤动患者抗栓治疗过程中的反馈指导可作为基层医师的诊疗参考，有助于解决临床复杂问题[8]。

 

目前我国医疗大数据应用与人工智能的发展尚处于初期阶段，CDSS运用机器学习的程度还有很大的发展空间。尽管CDSS仅利用机器学习方法对患者病历资料进行解析，并为系统规则库的建立提供支撑，但未来该系统有可能通过基于机器学习方法的数据挖掘技术，探索医疗数据之间潜在的规则与联系，进一步满足科研需求。

 

[1] 张澍，杨艳敏，黄从新，等. 中国心房颤动患者卒中预防规范[J]. 中华心律失常学杂志，2018，22（1）：17-30.

[2] 李桃，郑西川，蒋伏松. 基于知识库的临床决策支持系统的设计与应用[J]. 医疗卫生装备，2019，40（5）：29-32.

[3] CHACKERY D G，KESHAVJEE K，MIRZA K，etal. Integrating clinical decision support into EMR and PHR：a case study using anticoagulation[J/OL]. Stud Health Technol Inform，2015，208：98-103[2020-04-20]. https：//doi.org/10.3233/978-1-61499-488-6-98.

[4] 张晨，朱声荣，孟庆伟，等. 临床决策支持系统预警提示功能设计与实现[J]. 中国数字医学，2019，14（8）：57-60.

[5] 丁玲玲，李子孝，王拥军. 人工智能临床决策支持系统在脑血管病中的应用[J]. 中国卒中杂志，2020，15（3）：290-295.

[6] 汤建. 基于机器学习的临床决策支持系统的设计[J].计算机光盘软件与应用，2014，17（14）：283.

[7] KARLSSON L O，NILSSON S，BANG M，etal. A clinical decision support tool for improving adherence to guidelines on anticoagulant therapy in patients with atrial fibrillation at risk of stroke：a cluster-randomized trial in a Swedish primary care setting（the CDS-AF study）[J/OL]. PLoS Med，2018，15（3）：e1002528[2020-04-20]. https：//doi.org/10.1371/journal.pmed.1002528.

[8] 郭金玉，陈丽娜，孙红. 临床决策支持系统在急诊诊疗护理中的应用[J]. 中国护理管理，2015，15（8）：988-990.

 

 

下一篇：基于医院业务信息系统的脑血管病临床数据中心建设实践