首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

嘉和美康:当我们谈论CDSS时,到底是在谈什么?

CDSS,全称Clinical Decision Support System,即临床决策支持系统。顾名思义,就是通过可供利用的、合适的计算机技术,以人机交互的方式为医生和其他卫生从业人员提供临床决策支持,通过数据、模型等辅助完成临床决策。北京嘉和美康信息技术有限公司(以下均简称为“嘉和美康”)作为国内医疗信息行业的领军企业,一直高度重视医学数据的积累与应用,在CDSS研究方面一直坚持做着自己的努力。

近年来,随着大数据及人工智能技术的发展及其在医疗领域应用的不断深入,CDSS得到了前所未有的关注。对医生而言,无论是Green Hand还是经验丰富的Old Hand,都会面临各种各样复杂的挑战,如诊断复杂疾病、避免医疗错误、提高工作效率等,CDSS无疑是帮助医生减轻负担、摆脱困境的一个绝佳途径。同时,对医院而言,CDSS也是信息化发展过程中必经的一个环节,对提升医疗质量、降低医疗成本等都有着重要意义,也是通过电子病历系列评价体系的重点内容之一。

那么,人工智能到底对CDSS的发展带来了怎样的影响?与之前相比,在技术和功能上嘉和美康又实现了哪些突破?

人工智能:点亮CDSS的金手指

传统CDSS是基于临床指南、专家文献等客观数据资料,通过对相关信息的收集、整理和分类、加工等,建立逻辑关联知识点,并在诊疗活动中实现对疾病诊断、治疗、合理用药等方面的决策支持。但这种模式存在一定的局限性,只能基于既有的固化知识做出指导和评估,无法针对个体的实际情况进行更加深入和准确的挖掘分析,在决策支持的可靠性和精准度方面都有所欠缺。

而人工智能的出现,则使CDSS的功能有了更大的想象空间。它像一根金手指,可以帮助人们在杂乱无章的数据海洋中找出潜在的、隐藏的联系,挖掘出更多有价值的信息,为临床医生的诊疗活动提供更加精准、可靠的辅助支持,有效提升诊疗水平和医疗质量。

发展趋势:知识库+算法

多年来嘉和美康长期专注于医疗临床信息系统的软件开发和系统建设,按CDSS的决策支持基础,将其分为两类:1.基于知识库的Knowledge-based CDSS;2.基于机器学习等算法或其他用于模式识别的统计类算法的,则称为Non-knowledge-based CDSS。就目前发展来看,CDSS主要是在知识库基础上,同时辅以机器学习等人工智能技术,通过算法从历史经验和海量临床数据中学习和识别出某些模式,自动获取知识来提供决策支持。

CDSS系统架构图

从上面CDSS的架构图可以看出,在整个系统构成中,知识库依然是非常基础和重要的部分。但除以往的临床指南、循证医学、文献资料等数据外,它还可通过自然语言处理、机器学习等技术,从医院各业务系统的历史病历数据中学习、整理出更多的信息,导入知识库,形成一套从临床到用药等丰富的知识图谱体系,为后续构建临床业务规则库及实现业务功能提供支撑。

在知识库基础上,嘉和美康根据临床提出的业务规则,将规则引擎和规则流作为基础核心,使用人工智能技术构建推理系统,形成临床预警提示规则库、辅助诊断规则库、辅助诊疗规则库,满足业务逻辑的多变性。最终,实现CDSS在辅助诊断、辅助诊疗、医嘱追踪、诊疗提醒、依从规则设置、依从监控、临床指南、不良反应监测、相似病例推荐等方面的功能。

技术突破:流程问题、后结构化

1. 通过与电子病历系统无缝集成,达到符合临床实际工作流程

理想的CDSS应是通过正确的渠道,在正确的时间和正确的干预模式下,向正确的人,提供正确的信息。而实现这一目标的前提,是系统必须符合临床医生的日常工作流程,最直接的方法就是与电子病历系统无缝集成。

电子病历作为患者所有临床诊疗信息的集合,包含了患者管理系统、实验室信息系统、放射信息系统、药房系统、医嘱录入系统等在内的大量数据,可以支持面向医护人员的各类决策辅助功能。CDSS通过与电子病历系统的紧密结合,即可实现与医生工作流程相融合,进而在关键业务节点提供决策支持。

2. 利用多层次医疗术语抽取模式,实现自由文本的后结构化处理

电子病历作为临床数据的核心,80%为自由文本数据,需利用自然语言处理技术进行后结构化,以挖掘其中的重要信息。有别于传统自然语言处理中词性标注、分词、句子边界识别、句法分析等方法,通过对电子病历结构规则的研究,可以从中提炼出独有的算法和模型,通过分词引擎对其中的文本信息进行处理,输出为多层次、结构化数据,作为立体理解患者病情的基本要素,最终实现病历自由文本分析由通用的标签分词到语义分析的转变,为数据的分析利用奠定基础。

自由文本多层次医疗术语抽取模式示意图

未来可期:我们的成绩单

以嘉和美康的CDSS为例,目前,系统已完成7000多万份病例的机器学习,可支持6000多个疾病的分析维度,模型准确度达96%以上,为实现个性化、精准化的辅助诊断及诊疗方案推荐奠定了基础;同时,建立了超过17,000个疾病本体,产生各种本体关系400,000个,大大丰富了疾病知识图谱,使得本体间的联系更容易被机器识别;并提供超过20,000个预警规则,支持毫秒级规则响应,有效提升医生在诊断、用药及检验、检查等方面的合理性及准确性,避免医疗差错的发生。

实现的具体功能如下:

1.全面、客观的诊断辅助。包括:诊断概率列表、鉴别诊断推荐、检验/检查项目推荐及报告解读,以及相似病历推荐等。

2.精准化、个性化的诊疗辅助即:在权威治疗指南及文献综述等基础上,提取出真实病例治疗原则,并结合患者实际情况和当前病情,给出精准化、个性化的诊疗方案推荐。

3.灵活、有效的预警提示。包括:诊断预警、药品预警、检验/检查预警,以及对患者未来病情发生、发展的预测。同时,支持将病历自然语言处理结果作为规则项目进行灵活配置,并设置预警等级可控,提升预警灵活性和有效性。

4.便捷、高效的知识搜索。系统目前可完成基于940,000多个知识点的多维度检索,检索速度达毫秒级;知识分类明确,并可提供基于病历统计信息的融合类目,如:流行病学、疾病分型、疾病治疗类型、手术分布、用药分布等。

文章来源:企业供稿

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180807B18G5K00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券