本
文
摘
要
临床辅助决策系统，或称临床决策支持系统，即TCM-CDSS（Traditional Chinese Medicine-Clinical Decision Support System），指帮助医师利用患者数据、医学知识和针对具体病例的指南、建议，解决半结构化、非结构化问题的用户界面的交互式计算机系统。它能直接帮助医护人员进行数据解释与临床决策，最后结合临床医师的分析确认，从而使临床决策更科学、更合理，并为患者提供最有效、最安全和最佳“成本-效益”比的诊治方案[1]。
作 者
中国中医科学院中医药信息研究所
孙晓峰 王映辉 李宗友 李敬华 朱玲 于琦 田野 于彤 徐丽丽 王伟斌 田少磊
中医临床辅助决策系统核心是通过人工智能技术应用，将中医医师或中医医疗机构的信息处理与中医临床实践集成，根据中医医学专家提供的知识和经验进行推理和判断，模拟这些专家的决策过程，以解决各类复杂的临床问题[2]。
中医、西医临床辅助决策系统常用技术概要比较
在中医临床辅助决策系统中，古今中医临床相关文献占有非常重要的地位。其中，中医临床医案是中医临证经验和学术思想的重要载体，对中医医案中的海量信息进行归纳和整理历来是传承中医临床经验的重要方法。利用海量的医案数据、中医古今医籍、中（西）医临床指南及循证医学研究结果建立中医临床决策支持系统的文献支撑库，从中医的临床思维特点出发，利用信息化手段建立中医疾病相关的医案、指南、医论和循证医学研究结果文献库，是中医临床决策系统的核心资源，在此基础上，基于本体技术和相关信息化技术为中医诊疗活动提供智能化信息支持。因此，基于中医医案、指南、医论的文本编辑处理与加工技术、数据挖掘技术、本体技术、智能引擎技术、机器学习技术等成为中医临床辅助决策的主流技术。
相比之下，西医的临床决策分析理论[3]认为临床决策的两个主要特点，一是不确定性，即由于临床资料的错误、模糊性、解释的多样性、临床信息和疾病表现间关系的不确定性、治疗效果的不确定性等原因，临床决策总是在不确定性条件下作出的；二是临床决策需要进行风险评估。因此，临床决策系统的技术选择和系统设计更加重视循证医学证据和概率统计方法的应用，利用已有的临床诊疗信息，通过统计、流行病学的研究方法，探询诊疗效果，医生如果可以掌握及运用宏观医学、卫生统计、临床流行病学、卫生经济等综合方法与技能，来解决临床实践中遇到的实际问题，则其分析、研究、解决临床问题的能力将大为提高。其常用技术包括临床决策树分析技术、多元回归和判别分析、贝叶斯公式和决策理论、人工智能和人工神经网络技术等。
临床决策系统按功能可分为被动系统、半自动系统和主动系统3类[4]。
大多数系统是被动的，医师必须向系统明确提出问题，描述患者的情况，然后等待系统的建议，被动系统由可以分为咨询系统和评议系统。咨询系统需要医师提供患者的基本信息，系统提供诊断和治疗建议，如斯坦福大学开发的MYCIN是该系统的代表。评议系统是医师提供患者的基本信息和医师的治疗方案，系统对医师的方案提出评价和意见，如耶鲁大学开发的ATTENDING是该系统的代表。
半自动系统会自动提示医师在诊疗过程中容易出差错或忽略的问题，如危险剂量和错误处方等。
主动系统通常自动激活，可以对特定患者提出相应的建议，可以不通过医师的干预而自动决策。
中医临床辅助决策系统常用技术概述
在中医临床辅助决策系统常用技术中，针对中医医案的文本分析、模型构建、数据挖掘相关算法是占有核心地位的基础工作。
“十五”、“十一五”期间，国家一批横向课题着眼于临床决策系统方法学研究和平台建设，大部分纵向课题则逐渐重视以名老中医医案为切入点，借鉴应用描述性分析（DescriptiveAnalysis）、聚类分析（ClusterAnalysis）[5]、因子分析（FactorAnalysis）[6]、人工神经网络（ArtificialNeuralNetworks，ANNs）[7]、遗传算法（GeneticAlgorithm）[8]、决策树方法（DecisionTree）[9]、贝叶斯网络（Bayesiannetworks）[10]、支持向量机（SupportVectorMachine，SVM）[11]、粗糙集（ＲoughSet）[12]、模糊集（FuzzySet）[13]、关联规则（AssociationＲules）[14]、互信息（MutualInformation）[15]、宏观量化[16]等定量方法进行研究。
其中王阶、吴荣等[17]收集陈可冀、任继学等7位名老中医诊治冠心病心绞痛医案共计115例，分别应用贝叶斯网络、支持向量机方法对“证候要素-症状”间的关系进行学习与挖掘，最终得出临床症状针对各证素的条件概率及贡献度，可以认为是第一个以条件概率形式对多位名家基于同一疾病辨证思路实现实质量化范例。
郑红刚等[18]运用名老中医临床信息采集系统，对朴炳奎教授治疗肺癌经验，尤其是用药规律等进行了分析、总结，是认知模型构建的重要基础。
陈全福等[19]尝试通过建立中医案例库，基于脑科学的认知规律和中医思维的特点，提出利用信息化建立中医疾病的案例库。通过对案例的学习来深化、拓展临床思维和视野，然后采用智能神经算法进行自我学习，从而对中医诊疗活动提供智能信息支持。
中医临床辅助决策系统应用举例
01
针灸临床辅助系统
成都中医药大学开发的针灸临床辅助系统[20]优势主要体现以下方面：
（1）针灸处方无纸化
直接在病历系统中记录症状和检查结果，大大节省了医生的时间，提高了工作效率。
（2）促进基层针灸信息化发展
现有中医院的数字系统多数脱胎于西医数字化医院的信息化建设模式，大部分中医医院信息化基本上套用西医的系统，一些中医的特色诊疗手段被忽略，中医特色不明显。
（3）后台管理更加简便
平台实现了高度集成化的针灸电子病历，融合传统的针灸经验方法与现代数据挖掘技术手段，使得平台更加智能化、知识化，形成了更加完善的针灸临床辅助决策。
（4）平台数据实现集成
实现针灸师信息、患者信息、病例信息、诊疗时间、治疗方式等信息的分类汇总，利用大数据可视化技术进行分类显示，提高了基层医院的管理效率。该系统贯穿患者病情采集、医生确定治疗方案、针灸时间监控、电子病历管理、方案查询各个环节。系统调用病例库完成后，可以开始针灸治疗，治疗过程中可以查看当前针灸治疗的时间及预计完成时间等，在针灸治疗完成后，可以对治疗方案进行保存。系统还支持主穴与配穴的设置；具备针灸数字字典的维护功能，支持医师对穴位的数据建立与修正等经络信息的管理，可查看各个穴位的位置及名称的悬挂图。其针灸特色知识库系统搜集整理了古代针灸临床数据、治疗病历、病程、针灸时间、频率、幅度等针灸信息。系统具有针灸诊疗数据，后台设置数据字典[21]，形成富有中医特色病种的针灸诊疗方案，方便临床针灸医师随时调用。
02
中医临床辅助决策系统（TCM-CDS）
中医临床辅助决策系统（TCM-CDS）是由中国中医科学院中医药信息研究所临床应用信息研究室2015年独立研制开发的临床应用信息系统，目前支持C/S版和WEB版两种模式。
C/S版提供本系统与医院HIS/EMR系统的集成使用，知识数据库也部署在医院内网，基于医院内网进行访问，优势是与HIS/EMR系统集成度高，可以查询完整患者诊断和治疗方案数据；WEB版使用方便灵活，支持手机和PAD登录，医师个人即可随时申请使用。
本系统通过本体表达将中医临床指南、专家经验等知识结合，构建起神经知识网络的数据知识模型，通过医生临床情景的识别和模拟，通过Agent技术将临床思维人工智能化，并通过机器学习中的大量算法实现系统自主决策能力，构建起的智能专家决策系统，将本体学方法和情景模式的Agent技术结合，并将人工智能引擎嵌入，是医学人工智能领域的前瞻性研究，也是在人工智能领域第一次将本体知识服务于临床应用决策诊疗的尝试，也是本系统的创新点。
（1）技术概念
人工智能算法
系统包括多种机器学习领域的人工智能算法。涵盖了回归、分类、聚类、文本分析、关系挖掘等。
Agent
在分布计算领域，人们通常把在分布式系统中持续自主发挥作用的、具有自主性、交互性、反应性、主动性特征的活着的计算实体称为Agent，Agent具有属于其自身的计算资源和局部于自身的行为控制机制，能够在没有外界直接操纵的情况下，根据其内部状态和感知到的环境信息，决定和控制自身的行为；Agent能够与其他Agent（包括人），用Agent通信语言实施灵活多样的交互，能够有效地与其他Agent协同工作；Agent能够感知所处的环境（可能是物理世界，操纵图形界面的用户，或其他Agent等），并对相关事件作出适时反应；Agent能够遵循承诺采取主动行动，表现出面向目标的行为。
本体
本体提供的是一种共享词表，也就是特定领域之中那些存在着的对象类型或概念及其属性和相互关系；或者说，本体就是一种特殊类型的术语集，具有结构化的特点，且更加适合于在计算机系统之中使用；或者说，本体实际上就是对特定领域之中某套概念及其相互之间关系的形式化表达（Formal Representation）。
（2）系统简介
“中医临床辅助决策系统”先后获得国家863科研计划、国家自然科学基金青年基金项目“医案相似性计算模型及辅助临床应用研究（H2721）”、中国中医科学院自主选题“中医脾胃病本体知识库与情景式临床决策支持探索（ZZ070308）”和“面向智能决策支持的中医临床知识获取与应用研究（ZZ080305）”资助完成。
（3）系统特色
医生最完备、最智能的临床助手。中医临床辅助决策系统区别于传统的服务于医院流程的医院信息系统（HIS）、电子病历（EMR），而是旨在完善医生大脑中的知识体系，包括医学指南、治疗方案、名家经验和医案、循证文献、医学本体等内容，增加医生思维广度和深度。系统强大的医学本体和语义技术，能够感知病历中的文字，智能判断医生需要哪些帮助，就像一个老专家在旁边指导医生诊疗。全面的临床辅助决策，让患者有一个负责医生的同时，也有一个非常有效的治疗方案。
将名医经验应用于的医院信息系统。中医临床辅助决策系统汇集了国医大师、全国著名中医专家、医学院士、各地学科带头人等名医的经验和医案，通过智能技术第一次应用于医院信息系统之中，让各个学科的中青年医生在临床治疗的同时，获取最权威、最全面的名家经验和诊疗思想，有利于加深临床思考，减少时失治误治的发生。
快捷、智能化的临床数据抽取，服务于临床经验挖掘。中医临床辅助决策系统可以将日常医生的典型病例保存到医生自己的医案库中，有利于医生自我经验的总结完善。系统通过智能算法，将文本病历保存为结构化数据，用于以后的病历比较和经验挖掘，无需再花大量的精力和时间去收集填写临床科研病历，实现临床实践与临床科研的完美结合，实现自我临床经验的快速总结。
培养重点学科，加强院内名医经验积累，提高师承能力。中医临床辅助决策系统可以方便的使用医院重点学科既往的科研成果和经验积累，在学习全国名医经验的同时，也不断加强自己医院内部的重点学科建设和经验推广，在日常诊疗过程中完成治疗方案的临床评价，提高师承能力。
中医指南智能决策知识辅助。以国家中医药管理局、中华中医药学会、中国中西医结合学会等部门组织发布的权威临床规范性指南为基础，基于本体表达中医临床知识规则，构建核心知识规则库，系统提供根据临床情景的实时中医智能决策知识辅助。在临床诊疗的信息环境中，知识以动态组织的方式实时支持个人思维活动，复杂多变的临床情景被知识化并有机组织起来，便于获取知识并形成规律性认识。
当智能系统仅识别诊断信息时，但无法识别症状、症候等信息时，系统会推荐指南原文给予医生。
证候诊断决策与方剂推荐。当智能系统识别症状后，系统会通过精确匹配算法判断该患者是否属于中医指南文献中的症候，并给予症候诊断、治法、方药。
相似医案推荐。系统以几十万例名老中医典型案例为基础，构建中医名家典型案例库，使用智能语义引擎的分布式存储、索引、计算，实现电子病历文本与海量医案智能高速匹配，使临床医生从个人终端可以自由获取整个医案资源，可以在他人临证得失的基础上拟定更有针对性的治疗方案，从而实现中医临床疗效的保证与提高。
名医经验推荐。系统会根据医案中的语义关系和名医病案库中的内容进行相似性算法匹配，推荐相似度最高的3位名医的医案内容。系统包括国内几乎所有的国医大师、全国名老中医、地方名家等临床经验，医生可以针对某个疾病或证型来学习名医的学派思想和临床辩证经验。
循证文献推荐。系统会基于语义技术和医学诊断本体判断与临床病例相同的循证文献。
处方二次优化分析。系统包含古今医籍中大量名方和经方，会自动识别临床数据中的处方的方药组成，并根据中药的种类与经典方剂和专家方剂进行相似性运算，得出最相近的方剂，推荐给医生。医生可以查阅方剂的组成、功效、临证加减、方论、禁忌等全面的方剂知识。
临床决策评价。医生可以对系统智能决策的结果进行疗效评价和相似度评价，通过人机交互的结果，系统将调用主动学习算法，让下次的智能决策结果更加接近医生的临床实际需求。
医生个人知识体系的总结。系统会通过图表方式展示医生的出诊数据和知识使用情况。比如：系统贡献度、我的规则库数量、各种文献和知识的利用情况等等。对已经使用临床决策系统的病历进行疗效评价。
系统知识体系的动态展示。统计中心会动态展示医学本体、知识、文献、医案等多种类型知识体系，系统知识可以动态更新，随时增加名医经验研究的最新动向。
临床文本数据的智能提取。医生可以自由选取文本病历中的段落和词语，系统在后台自动将语义和语义间的逻辑关系保存到数据库，形成医生自己的临床结构化数据，后续可用于医学临床经验挖掘和总结。
在向各综合性医疗机构、基层医疗机构推广中医临床辅助决策系统的过程中，我们深刻体会到中医临床辅助决策系统的开发和应用任重而道远，我们的信息系统架构设计、核心算法还有很多需要修正、升级、提高的领域。同时，产-学-研的创新成果转化工作需要科研机构调整心态，转换角色，虚心地深入了解用户需求，并将之不断反映到未来系统的升级工作中。我们相信，在众多科研机构和企业的共同推动、合作和努力下，我们一定能够为各级中医医疗机构和医师提供易用、务实、专业、高效的中医药信息化系统。
参考文献
[1] 周同甫.临床思维与临床决策[M].成都:四川大学出版社,2011.3:310.
[2] 苗芳芳,刘骏峰.论人工智能的发展及其在医学领域的应用前景[J].卫生软科学,2009,23(2):222-224.
[3] MiltonC.Weinstein,等.临床决策分析（哈佛版）[美][M].上海:复旦大学出版社,2005.4:1-3.
[4] 周同甫.临床思维与临床决策[M].成都:四川大学出版社,2011.3:316.
[5] 陈守强,郝鑫,张梦贺,等.名老中医治疗心力衰竭验案用药规律的varclus聚类分析[J].辽宁中医杂志,2012,39(7):1241-1242．
[6] 黄子天,刘小斌.名老中医癫痫医案方药的聚类分析与因子分析[J].中国中医基础医学杂志,2012,18(11):1260-1261．
[7] 陈擎文.基于人工神经网络的中医证治模型探析[J].中华中医药学刊,2009,27(7):1517-1520．
[8] 吴芸,周昌乐,张志枫.中医舌诊神经网络的优化遗传算法[J].计算机应用研究,2007,24(9):50-52．
[9] 李鲁宁,赵德平．基于ID3算法100例中医胃炎实验数据分类挖掘研究[J].辽宁中医药大学学报,2012,14(10):188-189．
[10] 潘芳,庞博.孔光一诊治小儿外感咳嗽风热犯肺证医案数据挖掘研究[J].北京中医药,2014,33(9):686-688．
[11] 王阶,吴荣,周雪忠．基于支持向量机的名老中医治疗冠心病证候要素研究[J].北京中医药大学学报,2008,31(8):540．
[12] 马会霞,路振宇,于荣霞,等.名老中医喘证经验挖掘的新思路[J].辽宁中医杂志,2012,39(10):1932-1934．
[13] 张挥.模糊 *** 论方法用于中医诊断的思考[J].医学与哲学,1990,11(12):28-29．
[14] 邓庆平,周志添,刘擎,等．当代名老中医治疗肺结核医案的中药配伍及方证规律的关联分析[J].新中医,2013,53(3):156-158．
[15] 刘铁钢,陈建新,张望,等.复杂系统熵方法探讨孔光一教授治疗月经病经验[J].北京中医药大学学报,2013,36(5):341-344,363．
[16] 肖永华.名老中医经验继承研究现状及“中医处方智能分析系统”应用前景[J].中国中医药信息杂志,2010,17(5):1-3．
[17] 吴荣,聂晓燕,王阶,等.基于贝叶斯网络的名老中医治疗冠心病辨证规律研究[J].中国中医药信息杂志,2010,17(5):98-99．
[18] 郑红刚,花宝金,朴炳奎.基于信息挖掘技术的朴炳奎主任医师治疗肺癌临床经验初探[A].第三届国际中医、中西医结合肿瘤学术交流大会暨第十二届全国中西医结合肿瘤学术大会论文汇编.宁波:中国中西医结合学会肿瘤专业委员会,2010:161-167．
[19] 陈全福,叶焕文,杨荣源,等.基于案例库构建中医临床决策支持系统[J].广州中医药大学学报,2016,卷缺失(4):585-587.
[20] 温川飙,贾伟,陈菊.临床针灸辅助系统成果在基层医院的推广应用研究[J].临床医药文献电子杂志,2016,卷缺失(21):4329-4330.
[21] 皮勇泽,苏厚勤,黄琴峰.中医针灸临床治疗专家系统的研究与实现[J].计算机应用与软件,2015,32(6):99-103.
专题往期精彩（点击阅读）
-END-
©以上文章来源
