临床决策支持系统在妊娠期糖尿病管理中的研究进展

方园 周英凤 黄娜 李丽 邢年路

(1.复旦大学护理学院，上海 200032;2.复旦大学JBI循证护理合作中心，上海 200032；3.复旦大学附属妇产科医院，上海 200090)

妊娠期糖尿病(Gestational diabetes mellitus,GDM)是指妊娠期首次发生的糖代谢异常[1]。GDM已成为孕期最常见的并发症，根据2019年国际糖尿病联盟(International diabetes federation,IDF)发布的第9版全球糖尿病地图[2]，约有15.8%的妇女在妊娠期间发生不同程度的高血糖，其中83.6%由GDM导致。GDM可导致多种不良妊娠结局[3]，并增加了母婴远期患糖尿病及其他疾病的风险[4]。为了促进GDM孕期规范化的血糖管理，在管理层面，包括世界卫生组织(WHO)在内的国际组织和多数国家均制定了基于证据的GDM临床实践指南[5-6]，为专业人员推动GDM规范管理提供决策建议；在实践层面，研究者积极探索多种形式的GDM管理模式，主要包括以多学科团队为主导的管理模式[7]、以GDM专科护士为主导的管理模式[8]、以同伴支持为主导的俱乐部管理模式[9]及以护患合作为主导的协同管理模式[10]等，这些管理模式被证实能够提高患者自我管理能力及改善患者妊娠结局，但难以突破时间和空间的限制，增加了患者的就医负担且存在血糖调整方案滞后的缺点。随着信息技术的发展，移动医疗技术也被越来越多应用到GDM的管理中，通过计算机网络、手机APP、社交平台等形式，为GDM孕妇提供远程血糖监测、饮食及运动指导、健康教育等[11]，减少了患者就诊时间及频率，克服了线下随访的局限性。但研究表明，移动医疗技术在改善GDM孕妇糖代谢水平、妊娠结局及其他并发症方面与常规门诊随访无显著差异[12-14]，却增加了医务人员对各类信息、数据分析和处理的工作量[15-16]。近年来，依托计算机和移动医疗技术，基于临床实践指南等知识库，对患者信息进行主动识别和处理，以人机交互方式为临床人员和患者提供决策建议的临床决策支持系统成为研究关注的热点，并逐渐应用于GDM管理中，弥补了现有GDM管理模式的不足。本文旨在对临床决策支持系统及其在GDM管理中的应用进展进行综述，明确现状及现存问题，为未来研究提供思路和方向。

1 临床决策支持系统

决策支持系统(Decision support system,DSS)的概念最早由Gorry和Scott在1971年提出，其定义为“交互的计算机系统，帮助决策者使用数据和模型解决非结构化问题”[17]。而临床决策支持系统(Clinical decision support system,CDSS)是一种利用人工智能技术，针对特定临床问题，基于知识推理和逻辑运算，自动对电子病历中患者数据进行采集、处理和分析，并通过恰当的人机交互方式向决策者提供决策辅助的信息系统。CDSS可改善和提高决策效率[18]，是人工智能在医学中的应用[19]。世界上第一个功能较全面的CDSS是20世纪70年代Shortliffe等[20]研发的MYCIN系统，该系统主要用于辅助中枢神经系统感染的诊断和治疗咨询，系统可根据用户输入的患者临床表现和实验室检查判断感染细菌的种类并给出相应的临床处理建议。随着人工智能在医学中的发展，目前CDSS已被应用于2型糖尿病患者自我管理[21]、慢性肾病患者自我饮食管理[22]、高风险心血管患者预防用药管理[23]、新生儿早期诊疗护理预警模型[24]、患儿外周静脉穿刺疼痛管理[25]、住院患儿疼痛护理管理[26]、住院患者低血糖护理管理[27]等慢性病自我管理与临床症状管理中，以计算机技术和移动医疗技术为实现手段，通过自动采集患者数据进行分析，为患者及医务人员提供决策建议。研究表明CDSS的应用能够减少医务人员的工作量，实现实时医患交互，减轻患者的就医负担，改善患者结局，提高患者就医满意度。

2 CDSS在GDM管理中的发展现状

目前临床决策支持系统在GDM管理中，主要用于疾病早期预测与辅助诊断[28-31]、孕期血糖水平监测[15-16,32-34]、胰岛素治疗方案调整[16,33-35]、饮食方案调整[15-16,33-35]、健康咨询[15-16,32-34]等方面。

2.1GDM早期预测与辅助诊断 基于孕期代谢特点，GDM的筛查多在孕24～28周进行，但根据2008年一项来自9个国家15个中心的高血糖和不良妊娠结局关系的研究[36]，对GDM高危孕妇尽早筛查和采取预防性策略，能改善母婴妊娠结局。因此，如何综合评估各项高危因素，对GDM高危孕妇进行早期预测是目前GDM管理的难点。CDSS可借助计算机技术，通过不同的算法，整合患者的多个危险因素变量，进行GDM早期预测和辅助诊断。2015年，Douali等[28]提出一种基于案例的模糊认知图DSS，通过整合患者年龄、2型糖尿病家族史、体质量指数、多囊卵巢综合征病史、巨大儿史等多个变量和因素，辅助GDM早期预测和诊断，预试验结果表明，该系统做出的预测中，90.2%与临床医生的最终诊断完全一致。2015年，Muller等[30]也针对妊娠期妇女，开发了基于多层神经网络的CDSS，该系统根据反向传播算法，也将患者的基本信息和GDM危险因素作为参数，对GDM进行早期预测。2016年，Leema等[29]采用径向基函数神经网络和模糊推理系统，基于糖尿病数据库，开发了GDM辅助诊断系统，帮助初级临床医生在没有糖尿病学家的情况下进行GDM诊断。研究指出，该系统对GDM诊断准确率为88.31%，敏感性为79.31%，特异性为 93.75%。2018年，Abejirinde等[31]开发了针对包括GDM在内的风险识别CDSS，对GDM妇女进行早期预测，利用颜色信号可视化提示风险类别与转诊的紧迫性，并向保健人员推送咨询和治疗决策建议。

2.2GDM孕期血糖水平监测 GDM患者的代谢随着妊娠进展而不断变化，对血糖水平的监测有助于及时调整治疗方案。指南建议所有糖尿病孕妇应进行血糖监测，即使血糖控制稳定的孕妇，每周也至少测量一次全天血糖，此外，指南也建议可通过远程医疗技术及时监测孕妇血糖水平[6]。CDSS可通过患者输入或智能设备自动读取血糖仪中的数据，对患者血糖控制情况进行远程监测，并可生成可视化图表，全面、动态了解患者的血糖水平，依据血糖水平的变化自动生成个体化治疗方案或对现有的治疗方案进行调整。如2017年Caballero-Ruiz等[16]构建的Sinedie DSS中，患者通过智能设备读取器将血糖仪中的数值上传至Sinedie系统中，系统对上传的血糖数据的完整性、是否标记测量时间等进行预处理，然后采用血糖分类器基于期望最大化算法将血糖值初步分为“正常、改变、显著改变”三个类别，通过聚类算法明确患者血糖测量时间，最后根据C 4.5决策树算法对患者血糖测量值进行顺序处理，以判断血糖水平升高是否由特定饮食所致。2018年Pustozerov等[32]构建的Diacompanion DSS则通过带有电子日记的患者应用程序，采用患者携带的连续血糖监测系统记录血糖数据，通过系统服务器监测患者血糖水平，此外，系统还能自动识别危急值等紧急情况，向专业人员发送通知以获取紧急处理意见。2014年García-Sáez等开发的MobiGuide DSS[34]通过蓝牙连接的血糖仪上传患者血糖数据，该系统可生成可视化图表以动态监控血糖变化，分析患者的代谢状况。

2.3GDM饮食方案调整 饮食调整是GDM孕期血糖管理的关键策略，研究指出，70%～85%的妊娠期糖尿病患者均可以通过良好的饮食辅以运动管理维持正常的血糖水平而无需胰岛素等药物治疗[37]。门诊随访虽然能够依据患者血糖水平指导其饮食方案的调整，但仍然存在管理上的滞后性，且增加了患者的就诊负担。CDSS可自动分析患者的血糖、体质量、孕周、目前的饮食方案等相关信息，实时给出合适的饮食方案建议。在Caballero-Ruiz等[16]构建的基于网络的Sinedie决策支持系统中，该系统结合两个有限自动机，依据患者的血糖与尿酮监测数据，当系统监测到患者一周内血糖水平“显著改变”、且尿酮连续2 d或不连续3 d出现“阳性”时，系统基于知识库判断患者需要调整治疗方案，系统首选自动生成“饮食处方”建议患者进行饮食调整，在“初始饮食方案”的基础上调整为“因高血糖而减少饮食的方案”或“因酮尿症而增加饮食的方案”，调整患者每餐中碳水化合物的量。预试验结果表明，该DSS成功检测到了所有因高血糖与酮尿症需要调整饮食方案的案例，在对15例患者生成的29个饮食处方中，仅3个处方未被接受，与患者未遵循及医务人员早于系统进行了饮食调整有关。在Hernando 等[35]构建DIABNET DSS中，系统根据因果概率网络定性分析1 d内不同时间血糖监测数据与饮食等多个因素之间是否存在因果关系，在饮食方面，基于“特定时间内碳水化合物的有效性”定性模型，当模型参数指示碳水化合物摄入“不足”或“过多”时，系统可自动判断增加或减少该时间段内的碳水化合物摄入量或修改进食间隔时间，并向患者发送饮食调整建议，如建议患者重新分配早餐和上午加餐等。在García-Sáez等[34]开发的MobiGuide DSS中，该系统基于对患者GDM(如血糖水平)与产科(如孕周)相关参数，自动生成饮食调整方案，并发送至医务人员核查后再推送给患者，此外，该系统还考虑了患者的个性化需求，如根据患者偏爱的用餐时间提供个性化的反馈，如血糖测量时间的提醒，与患者通过线上互动给出饮食调整的建议，若患者在旅行，则系统会激活“半常规饮食计划”等[15]。

2.4GDM胰岛素治疗方案调整 根据GDM临床实践指南[5]，对经过积极的非药物干预1～2周后，血糖仍控制不佳的孕妇，建议给予药物治疗。CDSS通过自动数据分析，识别无法通过调整饮食方案进行血糖管理的患者，自动生成胰岛素治疗处方与建议。CDSS这一功能，能够克服门诊随访对治疗方案调整的滞后性，减少患者的就诊时间和频次，同时也能够结合GDM孕期葡萄糖、内源性胰岛素等生理代谢情况辅助临床医生进行分析，做出胰岛素治疗方案调整的决策。如在DIABNET[35]DSS中，系统综合考虑患者个人信息、当前治疗方案和胰岛素吸收曲线之间的相互作用，基于“特定时间内胰岛素的有效性”及“与膳食相关胰岛素充足性”2个定性模型，当模型参数指示该时间段内胰岛素需求“不足”或“过多”时，系统可自动判断患者需要增加或减少胰岛素，并在通过线性转换函数[胰岛素剂量=胰岛素需求×(最大剂量-最小剂量)+最小剂量]将胰岛素需求转换为定量建议，其中最大与最小剂量取决于患者的体质量、胰岛素的类型以及胰岛素治疗方案的初步生成或仅做剂量调整。在对该系统的评价性研究[33]中，DIABNET对92%的病例提出了治疗方案的调整建议，其中80%的建议被专家接受，拒绝的主要原因是专家认为DIABNET系统对患者需要胰岛素治疗的建议过于激进，依据过于单一，建议后期DIABNET系统中应纳入更多相关指标作为决定患者是否需要胰岛素治疗的依据。而为了提高DSS对需要胰岛素治疗患者识别的准确性，在Sinedie DSS[16]中，当系统监测到患者出现反复的血糖升高且系统自动生成的饮食处方对改善患者代谢情况无效时，胰岛素治疗建议的生成即被触发，系统将提醒医务人员结合该患者的具体情况决定是否开始胰岛素治疗。在患者接受胰岛素治疗期间，系统则通过患者电子日志发送每日胰岛素给药时间、类型和剂量的建议，医生审核后发送给患者。在针对60例GDM患者的预试验中，该系统监测到了所有需要胰岛素治疗的患者，尽管该系统具有很高的预测价值，但医务人员为确保对患者安全性，仍然拒绝或推迟了治疗开始第1周生成的胰岛素治疗建议。

3 CDSS应用于GDM护理管理的启示

3.1通过CDSS提高患者血糖监测的依从性 目前我国GDM管理的多种模式中，医务人员要么通过随访患者携带的纸质日志了解患者近期的血糖监测情况，要么通过信息平台了解患者血糖水平，前者存在监测与管理上的滞后性，后者则增加了医务人员对信息处理的工作量。而CDSS则可借助网络与计算机技术，通过不同途径与方法实时采集患者自我监测数据，并进行自动分析以生成决策建议。在Rigla等[15]的研究中发现，与历史队列人群相比，使用MobiGuide系统能够提高患者的血糖监测依从性及满意度；而在Pustozerov等[32]的研究中也提到60%患者认为CDSS在血糖监测的便利性上优于传统日记的形式。CDSS采用智能的方法对患者的数据进行采集，能够为医患双方带来实时血糖监测结果交互便利性，同时提高患者对于血糖自我管理的依从性，且相较于微信、电话等目前常见的远程医疗模式，CDSS还能够基于知识库等结合患者的各项参数为医务人员提供初步的分析结果，辅助决策。

3.2通过CDSS实现对患者个体化饮食管理 个体化饮食管理是指根据GDM患者的BMI、糖代谢水平、生活习惯等个人具体情况制定患者个体化的营养方案，相较于常规GDM饮食指导能够更有效地控制血糖水平，改善妊娠结局[38]。目前临床上专科护士在GDM患者非药物管理中起主导作用[8]，但在为患者制定个体化饮食方案中，仍存在多种障碍因素，包括自身的知识储备及对患者个体化信息的分析等，且受患者随访的影响，饮食方案的调整存在较大的滞后性。而CDSS不仅能够通过采集患者个人监测数据分析其代谢情况从而反映目前饮食方案的有效性，还能通过对患者血糖测量时间和结果分析判断血糖异常情况与进餐时间及摄入量之间的因果关系，有针对性地进行饮食方案的调整。通过CDSS自动生成饮食调整方案的准确性与可行性已被证实，未来，将CDSS应用到患者个体化饮食管理中，是帮助护理人员实现GDM护理管理的重要策略。

3.3通过CDSS辅助患者运动锻炼的管理 运动锻炼是GDM患者孕期非药物管理的重要内容之一，2013年，加拿大糖尿病协会建议应根据GDM患者孕期高危因素选择运动的类型、频率、强度以及持续时间，根据年龄段选择运动时应该达到的目标心率区间[39]。2019年，章孟星等[6]对于GDM临床护理实践指南中也提出卫生保健人员应在评估GDM患者有无运动禁忌证后建议其选择合适的运动类型与频率，以低至中强度的有氧运动或抗阻力运动为主。目前运动锻炼主要依靠GDM患者居家自我管理实现，如何对患者运动锻炼效果进行实时监测并提高其依从性是护理管理的难点。而CDSS，如MobiGuide[34]和Diacompanion[32]DSS则通过患者身体活动监测器和运动手环的佩戴实现了患者运动时各项内容监测的可行性，帮助医务人员实现对GDM患者实时的运动管理，并结合患者饮食、用药及血糖代谢水平，提出相应的决策建议。

3.4通过CDSS提升GDM管理质量 CDSS是信息化技术发展的高级阶段，是信息系统和决策支持技术相融合的结果[40]，其能够为护理管理者和实践者提供的以患者为中心的管理，创建个体化的医疗保健服务，提高患者依从性和自我管理能力，减少医务人员的工作量，实现实时医患交互，减轻患者的就医负担。Caballero-Ruiz等[16]评估了Sinedie系统对于GDM管理中临床工作量的影响，结果显示每位GDM患者临床评估时间平均减少了27.39%，面对面就诊的次数减少了88.56%；同时CDSS也能为临床护理人员提供基于最佳护理临床实践指南的决策支持，提高临床医务人员对于指南的依从性，促进最佳证据的运用。在GDM临床护理实践指南的实施中，缺乏GDM护理常规和操作流程是一大障碍因素，只有促进和改善护理人员依据指南的护理实践行为，才能推动指南的实施，进而提升GDM管理质量[41]。目前我国将CDSS运用于住院患儿疼痛[26]、住院患者低血糖[27]和新生儿早期诊疗护理预警[24]管理的研究也发现，CDSS能够在一定程度上提高护理工作质量、效率和护士工作满意度。因此，未来将CDSS应用于GDM患者管理是提高护理管理质量的重要措施。

4 小结

目前，国内外对CDSS在GDM管理中的研究较少，大多聚焦于临床决策支持系统的设计与开发，现有研究中无论是CDSS的构建平台、决策内容、算法与模型还是决策依据都不相同。本文总结了目前CDSS在GDM早期预测与辅助诊断、患者血糖水平监测、饮食方案与胰岛素治疗方案调整中的应用现状，并指出CDSS对GDM护理管理的启示，基于CDSS的护理管理模式将成为GDM护理管理领域的热点。