全院级临床决策支持系统的设计与实践

一、临床决策支持系统的发展历程

临床决策支持系统 (Clinical Decision Support System, CDSS) 作为一个基于人机交互的医疗信息技术应用系统, 可通过数据、模型等辅助完成临床决策。世界上第一个功能较全面的CDSS是斯坦福大学于1976年研发的MYCIN系统, 包含600余条规则, 用于诊断和推荐治疗某些血液感染的疾病[1]。随着人工智能技术的发展, 按照CDSS决策支持的基础来划分, 可以分为基于知识的决策支持系统和基于机器学习或其他用于模式识别的统计类算法的决策支持系统。我国第一个临床决策支持系统于1975年诞生, 关幼波教授的肝炎辨证诊疗经验程序。之后陆续出现如中医专家系统[2]、耳穴信息智能识别系统[3]等, 这些系统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, 且单一业务领域、没有与临床工作流融合、无法及时整合新临床知识。

二、全院级临床决策支持系统的设计流程

通过对临床业务工作流的深入分析, 设计满足医疗工作者需求的决策支持输出方式。根据医生、护士、药剂师、检验检查技师多角色对象以及专科特色搜集业务知识和操作流程, 使临床决策支持模式符合当前的临床工作流程。具体流程如下: (1) 基于产生式规则系统建立以最新的临床诊疗指南、临床操作规范、药典、医学文献、临床诊断知识库的为核心的临床知识库。 (2) 运用数据挖掘方法对安徽医科大学第一附属医院临床电子病历数据进行分析挖掘寻找专家的诊疗经验数据录入知识库。 (3) 建立不同的跨专科专家组, 由知识工程师通过访谈调研、德尔菲法等方式对临床专家经验进行收集、分析、抽象、转化后录入知识库。 (4) 基于规则设计实现推理引擎。通过调度器控制整个推理流程, 执行器执行调度器所选定的动作, 并且负责读取知识库中的知识和全局黑板中的信息;一致性协调器保持推理中间结果的一致性。 (5) 通过临床数据中心整合众多业务系统数据, 使CDSS与电子病历系统无缝集成, 无需医生介入CDSS系统的数据输入。 (6) 以临床工作者的需求为导向, 以更符合临床工作者诊疗习惯的方式, 使CDSS的输出过程与业务流程紧密融合, 提高CDSS的可用性。 (7) 实时收集CDSS使用效果反馈, 由知识工程师建立反馈效果评估模型, 结合医疗健康大数据分析, 持续更新知识库。

三、全院级临床决策支持系统的技术方案

(一) 方案架构

CDSS系统的解决方案架构图如下图所示, 从层面上分为4级结构。最下层为系统的消费层, 为临床的各个业务系统, 提供数据的双向交互;第二层为接口层, 系统提供基于Restful或者C#开发的dll等接入CDSS系统;第三层为CDSS的系统层, 提供相应的功能服务。最上一层是与CDSS相关的平台产品, 包括临床数据中心 (CDR) 和主数据管理 (MDM) , 是业务系统与CDSS交互的重要保障, 如果没有MDM, 那么业务系统就需要和CDSS做映射, 通过映射完成彼此的交互。

(二) 技术架构

1. 框架层

基于Spring MVC+Hibernate+Spring Security实现系统的框架搭建。Spring MVC提供系统在实现具体的业务功能时的分层管理及URL分发等, Security提供相应的安全级框架功能, 对所有的请求做权限控制及分配, Hibernate为数据库的ORM映射提供框架支撑, 可让系统自由的迁入非Windows系统。框架中使用的技术都是非windows技术, 这样服务器的系统环境可任意选择。CDSS系统都可以快速响应部署。框架层整合了数据层、扩展层、接口层。通过合理的设计, 完成相应的业务功能。

2. 数据层

数据层由SQL Server数据库和Redis数据库组成, SQL Server数据库用于存储CDSS静态知识库和动态规则库内容, 静态知识包括疾病、药品、检查、检验等知识库;动态规则库包括合理用药、合理用血、合理护理等。

Redis数据库主要存储从临床数据中心推送的患者历史就诊信息, 包括患者性别、年龄, 检查、检验等数据, CDSS根据相关需要, 直接根据患者识别号取相应数据。 (1) SQL Server数据库。主要负责CDSS中静态知识、规则、本体元、文档列表等等业务功能存储。 (2) Redis数据库。Redis数据库为高性能的内存数据库, 是一个NO SQL型数据库, 提供键值对的存储方式。Redis支持病人的临床数据存储及查询, 由于其高速的存取速度, 很适合需要大量计算的应用场景。病人的数据转存入Redis数据库后, 业务系统在发起请求时可以在几毫秒内获取病人的所有临床数据后, 交予规则引擎推理。

3. 扩展层

扩展层主要有规则引擎和搜索引擎等。规则引擎负责CDSS的决策推理, 分词引擎, 承载划词、分词及关联场景。搜索引擎负责同义词、词性以及知识搜索, 通过搜索引擎, 可以根据条件快速搜索。 (1) 规则引擎。规则引擎的开发是基于人工智能中的产生式规则理论实现, 同时结合了本体论的表达方式, 通过精简化的本体表达和计算机技术的结合, 研发了规则引擎。目前规则引擎的可以实现大部分的业务需要, 性能也通过了相应的测试, 可以毫秒级反应。 (2) 搜索引擎。分词引擎引入开源Ansj中文分词引擎, google语义模型+条件随机场模型的中文分词, 可以实现高效的分词及并发, 并提供同义词、词性等高级功能, 为系统以后的扩展提供便捷。

四、总结

多角色、跨专科、高可用性的全院级临床辅助决策支持系统的建立, 基于功能强大的临床诊疗决策知识库, 采用满足医疗工作者需求的决策支持输出方式, 实现与医院临床业务系统无缝集成。

摘要：对于当前临床决策系统普遍存在的业务领域单一, 未与临床工作流程深度融合的问题, 提出建立全院级临床决策支持系统, 并给出了系统实践的技术路线。该系统借助强大的临床诊疗知识库, 采用可融入临床工作流程的系统输出方式, 实现覆盖各诊疗流程的决策支持。

关键词：临床决策支持系统,全院级,临床工作流程

参考文献

[1] ShortIiffe E H, DaVis R, Axline B G, et a1.Computer-based consultations in clinical therapeutics:explanation and rule acquisition capabilities of the MYCIN system[J].Computers and biomedical research, 1975, 8 (4) :303-320.

[2] 陆志平, 李媛媛, 魏方方等.人工智能、专家系统与中医专家系统[J].医学信息, 2004, 17 (8) :458-459.

[3] 石晓东, 朱兵, 王嘉赋等.基于BP神经网络的耳穴信息智能识别系统[J].中国生物医学工程学报, 2001, 20 (6) :541-544.