国内外医疗决策支持系统研究热点

，

随着信息科学和现代医学的交叉融合，现代信息技术在医疗信息管理中的作用越来越重要。医疗决策支持系统采用计算机技术、仿真技术和信息技术等手段，将现有医学知识应用于医疗特定问题，从而为解决医疗、医学科研、医学教学等活动中的决策问题提供最佳方案。

从最初的专家知识库发展到智能决策支持系统，医疗决策支持系统已经逐步由初步理论研究向实践应用发展，医疗决策的发展前景越来越受到国内外医学领域的重视。国外开发的相关决策支持系统(如由斯坦福大学研发的用于中枢神经系统感染诊断和治疗的专家咨询系统MYCIN，由犹他大学开发的专家系统应用软件ILIAD和决策支持系统HELP[1])主要帮助医务人员分析、解释和处理临床数据，进行某类疾病的诊断、实验检测和结果判断，包括传染病监控系统，用药合理性检查报警系统等。我国在20世纪70年代末才开始有关专家系统的研发，主要是针对单一病种的决策支持系统，如北京中医医院的“关幼波肝病诊疗程序”、吉林大学的“中医妇科专家系统”以及其他胃癌诊断、结核病诊断专家系统等[2]。虽然目前开发出了一些具有实用价值的临床决策支持系统(Clinical Decision Support System，CDSS)，但由于将临床医学知识和专家经验总结转化成计算机语言的过程中涉及的原理、算法和系统结构非常复杂，因此目前开发出的CDSS产品的应用比较局限。而且存在各种疾病的表述不一，医学数据的类型、属性和表达方式繁杂，医学知识阐释的不一致性等问题，还有大量的数据需要进一步标准化和系统化。专家系统实施之后也需要一套相应的评价标准，严格的评价规则应贯彻策划、设计、系统构建到最终的临床应用，但目前还未建立起相关的评价系统。针对这些问题以及一些尚未发现的情况，决定对医疗决策支持系统未来的研究方向进行分析。以检索策略“decision support systems, clinical[MeSH Terms] AND (decision making OR decision support)”在PubMed中检索相关文献，结果显示文献累积数量随着年代的分布呈现典型的指数分布，说明医疗决策支持系统领域研究的关注度正在急剧提升，依旧是当前的研究热点。

基于以上原因，我们运用共词分析的方法，对PubMed收录的有关医疗决策支持系统的论文中的高频主题词进行了高频主题词-论文矩阵的聚类分析，总结出当前国际上医疗决策支持系统领域的研究热点。

1 资料与方法

1.1 分析流程

包括检索策略的制定、文献检索、文献下载、词篇统计、矩阵聚类分析(图1)。

图1 医疗决策支持系统研究热点的分析流程

1.2 文献检索与数据统计方法

BICOMB[3](Bibliographic Items Co-occurrence Matrix Builder)可快速读取医学文献数据库中的书目信息，准确提取字段并归类存储、统计，生成书目数据的共现矩阵，为进一步研究提供准确、权威的基础数据。作为文本挖掘的基础工具，BICOMB可读取分析PubMed、Science Citation Index(SCI)、中国知网(CNKI)和万方数据等数据库的文献记录，并允许用户对系统功能进行修改、增加及拓展。

gCLUTO[4](Graphical Clustering Toolkit)用于管理数据文件、聚类方案和可视化结果。

资料来源于PubMed。采用检索策略“decision support systems, clinical[MeSH Terms] AND (decision making OR decision support)”进行检索，检索时间为1994.01.01-2016.05.09，共得到5 589篇文献。以XML格式将全部相关文献记录下载，运用文献计量学统计分析软件BICOMB抽取和统计下载文献中的主要主题词、副主题词以及每个词在以上全部文献中出现的频次，按照它们出现的频次由高到低进行排序；将得到的主要主题词和副主题词进行统计并生成词篇矩阵，将结果以txt格式导出。对所统计出的高频主题词做进一步处理，形成高频词-文献矩阵，输入到gCLUTO软件。

采用凝聚聚类法对所得相似矩阵进行聚类分析，聚类分析结果可以反映这些高频词之间的亲疏关系，高频词聚类结果中每一类最具代表性的文献为该类的类标签文献。类标签文献的选取是根据各类成员对聚类贡献率的指标(描述度descriptive和区分度descriminating)中分值的高低决定是否作为该类形成贡献最大的来源文献。通常选取描述度分值最高作为该类的类标签文献，确定类标签文献后再对文献内容进一步分析，进而阐释该类研究方向的具体内容[5]。

2 结果

2.1 高频词统计

选取出现频次高于69的40个主要主题词/副主题词作为高频主题词(表1)。

表1 PubMed中与医疗决策支持系统有关的高频主题词/副主题词(n=40，频次≥69)

统计这40个高频词出自检索文献的主题词字段，出现频率最高的是“Decision Support Systems, Clinical”，频次为2 742，这些高频词与我们研究的主题密切相关。

2.2 聚类分析

将表1中列出的高频主题词输入gCLUTO软件生成图2。图中横轴代表PubMed中文献，纵轴代表进行聚类的主题词/副主题词。两词之间距离越短，关系越密切。根据每类中各个文献的区分度和描述度的分值选取对应的类标签文献。

图2 医疗决策支持系统相关文献的高频词词篇聚类

2.3 高频主题聚类结果的语义分析

由所得的高频词主题聚类结果中，可看出共聚10类。每类对应的高频词统计与对应每类代表性文献和主题见表2。

通过对聚类结果的分析发现，早期的研究注重证明该系统可以提高临床诊疗的质量和效益，以争取该系统存在的合理性。随着系统使用的深入和普及，更加注重计算机辅助决策支持系统的使用质量，注重解决使用中的具体问题：临床决策支持系统具体构建技术和临床决策支持系统社会学的研究。

2.3.1 临床决策支持系统具体构建技术

此类研究的目标是改进决策支持系统以提高医疗质量，包括便携设备在临床决策中的使用、信息组织与检索技术的应用和决策支持系统的编程技术。

2.3.1.1 便携设备在临床决策中的使用

包括Cluster0和Cluster5两类。Cluster0是关于在初级卫生保健中利用便携式设备进行信息组织的研究[6]，它是将初级保健提供者接入“患者自主服务亭”或者称为“患者自主服务终端”(patient self-service kiosk)，收集患者用药史信息，然后使用药物整合(medication reconciliation)技术软件对患者当前服用的药物与医嘱中开具的药物进行比较，并将得出的结果输送给初级保健提供者的电脑端以进行决策；而Cluster5则是将移动电子设备应用于急重症护理学习来提高临床工作能力的研究[7]。该类的文献进一步介绍了具体的电子设备的应用，包括专为医学生设计的移动临床电子学习档案，帮助医学生在诊疗时学习并调整对已有知识的认知，对病情的判断、用药的提示、护理程序的指导、治疗方案的意见等方面，使医学生在实习阶段充分利用该个人化的指导系统进行知识的补充和整合，从而提高临床工作能力。

表2 医疗决策支持系统研究热点类别主题词与文献

2.3.1.2 信息组织与检索技术的应用

包括Cluster1和Cluster6两类。Cluster1侧重于如何规范地表达医学概念以方便医生、护士及保健服务人员之间进行交流、共享和比较信息以利于决策，即用于医疗决策的概念工具(conceptual tools for medical decision making)[8]。研究人员构建了一种通用的公共码(common code)，这种公共码能够用于这一领域专家之间的交流和共享结果，并且能将这些结果转化为大众能够接受的通俗易懂的表述方式，使在临床决策中对医学信息的量化推理成为可能。Cluster6侧重于利用数据仓库技术[9]，即将数据仓库应用于临床结果的管理(Data warehouse techniques for outcomes management)，在信息存储和检索的基础上，利用计算机模拟医疗服务的结果评估从而建立理论模型的研究。如在对肿瘤学案例检索模型进行建模(Modeling of a case-based retrieval system for oncology)的研究中，利用数据仓库的模型存储和检索病例，在遇到新的不符合现有循证医学规则的病案时能自动匹配出相似的病理方案供临床医生决策参考。该数据仓库积累了以往诊治患者的案例，可以用于建模和结果模拟来辅助医疗决策，进一步说明了如何利用计算机模拟将以往存储的数据进行整合从而建立起新的理论模型以供医生参考。

2.3.1.3 决策支持系统的编程技术

包括Cluster2和Cluster9。Cluster2侧重于如何定制个性化的决策规则以防止产生过多的药物相互作用警报[10]。在医生下医嘱开药的时候，一些决策支持系统频繁发出药物之间相互作用警报，使临床医生产生警惕疲劳从而忽视这些警报，对患者的健康带来潜在的威胁。如何利用知识库建立起规范化的标准，改善临床决策支持警报系统成为目前研究主题之一。有研究者提出应当制定药物警报系统的标准，预先对药物之间的相互作用进行优先级的评估。Cluster9侧重于临床指南的计算机语言表达问题，如对临床计算机可读的各种指南建模语言的比较分析。其中雅顿语法(Arden Syntax)[11]是一种被广泛认可的以可执行的形式表示医疗和科学知识的形式语言。有研究者开发出基于模糊雅顿语法的与厂商无关的可扩展的临床决策支持和监控平台，利用模糊逻辑自动推理医疗数据中的不确定性。

2.3.2 社会行为学研究

临床决策支持系统实施中遇到的与医务人员及医疗机构相关的社会学研究。

计算机辅助临床决策对临床医生实践方式的影响包括Cluster3和Cluster7。Cluster3侧重于标准化的电子医疗记录系统对医生实践模式的影响研究[12]，如癌症治疗中利用计算机的数据模型可以对医生诊疗中形成的数据进行癌症的诊断、癌症治疗方案的选择以及癌症的预后的决策，实现计算机辅助肿瘤治疗决策。这些决策辅助的效果评估是当前研究的热点之一。有研究者利用形式概念分析的方法推导出医生不服从乳腺癌指南的患者模式，从特定病种的视角分析医疗决策支持在评估疾病以及作出决策方面的影响。在Cluster7中，有学者明确提出改善21世纪的临床实践指南的主要障碍在于态度,而不是技术[13]。为了使临床实践指南开发和维护达到最优效率,需要各种信息资源提供者开展国际合作,强调协同互助，协调医疗各方面相关者的利益，充分发挥临床实践指南的价值，以便更好地辅助医疗决策而不是用作控制临床程序的工具。有学者提出制定国际性标准医疗实践指南的方案，而根据实践指南进行词语控制形成的信息系统使医生实践方案更加标准的研究。

患者参与临床决策的研究包括Cluster8。患者参与治疗决策一直是一个理想的决策方式，研究者开发出患者辅助决策(Patient decision aids，PtDAs)系统[14]，利用医疗决策系统综合各方面的意见以得出最佳意见。具体做法是结合医生的专业意见，通过阐明对医疗决策方案利害关系的综合建议，正确引导患者沟通和审议，探讨医患共同决策、辅助决策和风险沟通的方方面面。国际患者辅助决策合作协作组织(International Patient Decision Aids Collaboration，IPDAC)开始研究这些系统的规范和质量评价的问题，他们利用网络联合了来自世界上14个国家的100多名研究人员、执业医师、患者和决策者共同提出患者辅助决策系统的质量指标，包括临床内容、发展过程以及有效性3个方面。

医学信息学与初级保健活动整合的研究。为促进医疗信息之间的相互联系，应当以初级卫生保健的“生物-心理-社会”模式和纵向关系为基本模式，建立公共信息平台。在Cluster4中，有学者提出在初级医疗保健中建立有层次的模型对疾病进行组织和管理[15]，为未确诊疾病的追踪和慢性疾病的管理、患者健康的长期护理、团队的网上连接和操作程序的对接等提供信息平台。

综上所述，为了通过决策支持系统提高医疗质量，分别从便携式医疗设备、信息组织和应用以及决策支持系统的编程技术方面对构建医疗决策支持系统提出了具体的改进措施。为使医疗决策支持系统更好地为人类做出服务，分别从患者和医生的角度对医疗决策支持系统进行了社会学分析，得出临床决策支持系统具体构建技术和临床决策支持系统社会学是当前医疗决策支持系统的两个研究热点。

3 结论与展望

3.1 结论

利用计算机技术辅助医疗进步，使信息技术与医疗相结合是未来医疗卫生事业的发展趋势。在临床上，运用决策支持系统辅助医疗诊断和治疗可以减轻医生的工作负担，提高诊疗效率和准确率。明确医疗决策支持系统的发展现状和预测其未来的发展趋势，可以更好地为相关领域的研究人员提供研究方向的证据和参考。以医疗决策支持系统为出发点，对与其相关的MeSH词进行分析统计，对高频MeSH词进行聚类分析，得到医疗决策支持系统在医疗领域的主要研究热点是临床决策支持系统具体构建技术和临床决策支持系统社会学。

3.2 展望

医疗决策支持系统具体应用中，国际上注重实际效果的评价。我们在开发相应系统时应注意系统评价问题,尤其是大数据时代，决策支持系统需要对异构数据(临床与组学数据)融合和海量数据计算的问题做出相应的应对措施。目前，医疗决策支持系统在我国尚未大规模使用，对医疗数据的统计、疾病模型库的建立和可复用算法的应用仅处于浅层研究。从以上两个热点出发，在技术层面上逐步完善各种类型的模型库和编制可复用的算法和相关术语的统一和评价标准的建立，在管理层面上，需要引起上级领导的重视和工作人员的积极性和建立起通用的医疗决策支持系统的规范标准。利用决策支持系统对医疗实践活动的效果进行评估，有利于提高医生的工作能力，结合医患双方的意见有利于制定更个性化的治疗方案。医疗决策支持系统的建立是一个逐步累积经验和改进技术的过程，把握好这两点，未来的医疗决策支持系统应用前景一定非常美好。