聊一聊临床决策支持系统CDSS

Struggle

CDSS，新的热点

2020年元旦后，有两条新闻接踵而至。
1月9日，百度通过多个科技媒体渠道，介绍和宣传了百度CDSS在北京市平谷区社区医院的应用。其实，早在2019年5月31日，百度就与东软宣布，共同成立基于人工智能技术的“CDSS专项小组”，百度智能云将与东软集团联合升级云化HIS（医院信息系统）；百度AI将全面接入HIS产品体系，在医院智能化方面进行积极探索，并推动医疗大数据在医药和保险行业的深度应用。
1月10日，东华软件发布公告称，拟通过协议转让的方式，将其公司1.57亿股无限售流通股份转让给腾讯科技。转让结束后，腾讯将持有东华软件5.04%的股份。严格来说，这并不是腾讯新增入股东华。其实，腾讯只是由间接持股东华，转为直接持股东华，双方的渊源由来已久。(https://health.qq.com/a/20190305/007515.htm)
补充介绍一下。东软和东华都是上市公司，两者都是IT解决方案与服务供应商。并且，两者在医疗信息化领域，都属于老牌一线厂商。可能这样说，还是不够直接。简单来说，两家公司都面向医院提供一体化信息集成解决方案，产品覆盖包含医院信息系统（HIS）、电子病历（EMR)、电子健康档案（EHR）等，并且都具备相当的市场占有率。
由此可以看出，百度和腾讯都采用了非常相似的布局。都以某种形式，与老牌医疗信息化厂商建立战略合作，首先打通进入医院的信息化通道，同时布局和推进CDSS。
身居BAT的C位，阿里在CDSS上也早已布局。阿里健康集团（港交所上市）在2019年的中报也披露了，“集团于报告期内成功自主研发了阿里健康临床辅助决策支持系统(CDSS，Clinical Decision Support System)。截至2019年10月底，我们已经与全国超过20家包括三甲医院在内的医疗机构签约，将我们的CDSS产品投入使用。”
此外，作为保险领域的一线老大，平安集团的平安智慧医疗也早已布局CDSS，在AskBob系统中增加了CDSS。早在2019年8月，在各科技媒体渠道，就已经宣传和介绍：“AskBob医学智库可以覆盖1700种疾病，智能搜索覆盖了十个不同的专科。现在，这套决策辅助工具可以覆盖甘肃全省近1万家基层医疗机构、2000多万人口，每一周的基本功能调用次数已经超过30万。”
CDSS会不会是医疗AI产业竞争的下一波热点？
预测趋势、洞察未来的能力咱们没有 ，但提前学习了解的态度是可以有的。所以仍然是发扬“搬运工”精神，从网上学习、拼凑和搬运一些内容，与大家分享。
为什么需要CDSS

CDSS，Clinical Decision Support System，临床辅助决策系统。这个完整名称基本已经清楚表达了CDSS是干嘛的。一句话，就是帮医生看病的。维基百科上，也给出了来自于Robert Hayward的学术化定义： "Clinical decision support systems link health observations with health knowledge to influence health choices by clinicians for improved health care"。也就是，CDSS把医学观察所见和现有的医学知识联系起来，去影响医生的诊疗决策。
医生个体，面对纷繁芜杂的临床信息，需要化繁为简的助手
换个角度来说，医生在给患者看病时，往往需要看着手中厚厚一叠的化验单和检查报告，同时调动和激活头脑中储备的知识库，包括医学共识、诊疗指南和最新文献等，进行联系和对比。这实质上是一个多变量分析过程。而有研究表明，当人脑要面对分析的变量数目超过4个时，大脑分析判断的速度和准确性会严重下降。（ "Results showed a significant decline in accuracy and speed of solution from three-way to four-way interactions. Furthermore, performance on a five-way interaction was at chance level. ", Halford GS, Baker R, McCredden JE, et al: How many variables can humans process? Psychol Sci 16:70-76, 2005）

（Decision Support Systems in Oncology, Seán Walsh, Evelyn E.C. de Jong, etc. JCO Clinical Cancer informatics 2019 :3, 1-9 )
形象的来说，面对纷繁芜杂的临床检查和病历信息，医生需要有一个帮手或工具，来帮助自己抽丝剥茧、化繁为简，找到最关键的因素或联系，做出尽可能最佳的诊疗决定。
医疗服务也是经济行为，需要控制成本，争取效益最大化
患者去医院就诊，医院作为医疗服务的提供者，肩负救死扶伤的职责；但同时，医院的管理者还需要从经济角度去管理和优化每一个患者的诊疗过程，控制成本，争取整体效益的最大化。如下图所示，医院各个团队的负责人各司其职，要努力提升医疗服务质量、患者治疗效果、预防效果，同时降低经济费用和时间花费。在这其中，CDSS都被寄予期待和希望。

（https://www.siemens-healthineers.com/digital-health-solutions/digital-solutions-overview/clinical-decision-support/ai-pathway-companion#Our_vision）
商业化公司进军医疗信息化，提前战略布局
不仅仅BAT，很多不同行业的巨头公司，都在尝试进入医疗服务领域，尤其是医疗信息化领域。CDSS对于商业化公司，尤其是巨头公司，在战略布局上也具有独特价值。在当前的医疗信息化发展水平下，可以说，HIS系统是各个医院的信息化中枢。但HIS系统的职责在于，管钱、管物，包括管人，但实际并不管看病，也就是对于医生诊疗做决策这个过程本身，是不覆盖的。而缺失的这部分就需要用CDSS来弥补。
所以，对于想要进军医疗服务领域的巨头公司，一方面，通过入股或战略合作，打通HIS通道，参与到医院现有核心流程，人财物管理；另一方面，提前布局CDSS，为未来医疗个性化、服务优质化竞争奠定先发优势。可以想见，未来医疗的一端是普惠医疗服务体系，另一端则必然是个性化、优质化服务体系。而后一个体系，必然是商业竞争最充分、最激烈的领域，也是对于商业化公司追求盈利最有吸引力的领域。
CDSS靠什么来实现

CDSS承担着医生、医院和商业公司的期望和期许，那它靠什么来“不负众望”呢？
一套完整的CDSS需要包括三个部分：知识库，推理模型，交互界面（接口）。其中最核心的是推理模型。

(https://new.qq.com/omn/20191115/20191115A02XIZ00.html)
根据采用的推理模型的不同，维基百科将CDSS划分为两类：基于知识库的，非基于知识库的。大家可以参考https://en.wikipedia.org/wiki/Clinical_decision_support_system。这种划分方式比较偏学术化了，其实不太直观和形象化。我倒是觉得，根据目前CDSS的发展历程，可以划分为：

• 第一代，基于IF-THEN逻辑规则的CDSS
  
• 第二代，基于机器学习的CDSS
  

第一代的特点是，需要人（医学专家和软件工程师）去学习和发现现存医学知识库中的逻辑规则，并把提取出的规则用程序化的语言（IF-THEN）写出来。其背后的推理模型是决策树。
第二代的特点是，人只需要把知识以机器能解读的形式准备好，然后交给机器，机器自己去学习，去发现和提取其中隐藏的规律。其背后的推理模型可以是稍早一些的支持向量机（SVM）、遗传算法（Genetic Algorithm）等机器学习模型，也可以是最新的深度学习网络模型。
其实，CDSS并不是刚刚出现的新兴事物，第一代CDSS早在上世纪就已经出现，当时大家都习惯称之为“专家系统”。从名称就可以看出，当时是希望CDSS能够代替专家看病。1978年,我国中医专家关幼波与中医医院电子计算机室的科研人员合作，把自己的治疗肝病的经验编制成“关幼波肝病诊疗程序”，开创了我国CDSS系统的先河。20 世纪 80 年代初到 20 世纪 90 年代初，专家系统经历了十年的黄金期。
这里，插播回溯一篇1987年的科技综述的摘要部分，大家感受一下。
“1981年10月,日本率先向世界宣告开始研制第五代计算机的消息,象一枚重型核弹爆炸,在世界计算机领域内掀起了巨大的冲击波。一些工业发达的国家相继制定了开发新一代计算机的宏伟计划。在"谁能掌握第五代计算机技术,谁就能领导二十一世纪科学技术发展新潮流"的论点驱使下,一场人工智能对世界的挑战便告开始。一次新的尖端技术的竞争正激烈地展开。其中人工智能(AI—ArtificalIntelligence)是目前研制第五代计算机最活跃的部分。而专家系统(ES—ExpertSystem)又是人工智能研究中最引人注目的内容。”（余雅福. 第五代机—人工智能—专家系统发展初议[J]. 农业网络信息, 1987(1).）
当年，在1990~1992年期间，我国的医疗和计算机专家也研发出一批诊断专科疾病诊断的“专家系统”。至于第五代机和这批专家系统的后来，大家也都清楚了。
时隔40年，CDSS再一次进入大家视野，大家再次燃起了希望。新的希望来自于深度学习网络。但是与应用深度学习网络对医学影像进行辅助诊断或检测不同，要想将深度学习应用于CDSS，情况要更加复杂。最关键的问题就是影像AI基本上是需要处理影像这种单一结构化、可量化数据，而CDSS要处理的输入数据类型众多，而且很多是非结构化、不可量化的。
因此，CDSS厂商几乎很少把深度学习作为单一推理模型来使用，而是要配合其他机器学习方法，包括必要的“IF-THEN"人工逻辑规则来使用。还有一种用法，就是用深度学习网络，尤其是基于深度学习网络的自然语言处理（NLP）模块，来处理和分析海量的医学文献知识库。大名鼎鼎的Watson所自身宣传的一个突出技能，就是“夜读千卷书”，在极短的时间内学习和理解海量的医疗文献。另外，惠每公司是国内专业做CDSS的厂商，他们也采用了类似的技术路线，也是将AI用于数据挖掘。

（http://www.huimei.com/specialist）
深度学习网络的“黑箱”属性，不可解释性，一直是很多临床医生不满意或不愿意接受的地方。在CDSS中，也面临着相同的问题。对此，CDSS厂商也引入了深度学习研究领域目前非常推崇的知识图谱理论。
Klurig Analytics (https://kluriganalytics.com/cdss/) 就把知识图谱 （Knowledge Graph）作为他们的突出宣传亮点。

百度推出的“灵医智惠”CDSS也是把NLP和知识图谱作为突出亮点。本来嘛，NLP和知识图谱也应该是百度最擅长的看家本领。

CDSS在院内如何落地应用

在这个问题上，CDSS发展至今，大家已经形成共识：CDSS在医院内落地应用的最佳途径是与电子健康档案EHR或电子病历EMR融合。国内部分医疗机构或区域医疗联合体已经完成了EHR和EMR的建设，但EHR和EMR的规范和有效使用，仍然处于进行时或未来时。EHR和EMR的建设和使用在国内还面临诸多问题和重重限制，但CDSS要想快速落地应用，必须通过借助EHR或EMR为渠道或平台来实现。原因有二：首先，EHR或EMR未来将成为医生日常诊疗过程的各项信息化操作首选入口，既是门户索引网站，也是信息搜索入口，CDSS只有与EHR或EMR无缝集成，才能融入医生日常诊疗流程，让医生用得顺手，才能避免被搁置一旁；其次，CDSS必须借助EHR或EMR来解决临床数据来源问题，换句话说，CDSS的最佳（最经济）数据来源方式是与EHR或EMR进行单点对接，从而尽量避免与医院里面的多类型、多来源信息系统1-N星状对接。这里的多类型、多来源信息包括HIS、PACS、RIS、LIS、EIS等。

（Decision Support Systems in Oncology, Seán Walsh, Evelyn E.C. de Jong, etc. JCO Clinical Cancer informatics 2019 :3, 1-9 )
上面的示意图原意是表达CDSS系统如何收集院内数据，自我学习，这里可以借用一下。假如一套CDSS系统需要进入N家医院，每家医院内部现有M套信息系统，那么，CDSS厂商就需要与N x M套信息系统做接口。可能有人会想，肯定有相应的国际化接口标准，大家都按照标准实现接口，就可以Plug & Play了。是的，从DICOM、HL7 到 IHE，再到FHIR，一整套国际规范体系都是为了解决这个问题，但这是理想，现实有多骨感，永远超出想象。
由此，才会有研究者提出“ "the highest level of EHR is a CDSS"。（ Rothman, Brian; Joan. C. Leonard; Michael. M. Vigoda (2012). "Future of electronic health records: implications for decision support". Mount Sinai Journal of Medicine. 79 (6): 757–768. doi:10.1002/msj.21351. PMID 23239213. ）其实，EHR和CDSS的未来发展道路必然是合二为一。EHR的本职工作是个人健康数据的收集和记录，但收集并不是目的，目的是为了服务于诊断和保健，缺少了CDSS的EHR，是“没有灵魂的EHR”；而如果没有EHR作为数据来源，CDSS便成为无源之水，无从谈起了。
回到国内当前现状，考虑到大多数基层医院目前只有HIS，HIS应该是CDSS在国内推广的首选路径。例如，百度选择了基层医疗作为突破口，也就自然而然的选择了“与HIS集成”作为CDSS融入医生工作流程的途径。
当前，CDSS应用效果如何

个人对于CDSS完全是局外人、门外汉，没有任何实际参与经验，这里，还是只做“搬运工”吧。
百度灵医智惠CDSS平谷区基层应用
"仅从百度灵医智惠的CDSS来看，在疾病诊断方面，该系统覆盖了27个科室，超过4000种常见病，基层常见病多发病Top3疾病推荐准确率高达95%。但从平谷区的落地案例来看，更值得关注的是，它于当地上线的辅助问诊、辅助诊断、治疗方案推荐、医嘱质控、相似病历推荐、知识查询等六大模块，无缝融入基层医生的工作流程去，而不是变成额外的负累而不被接受，实实在在地被用了起来，体现了 “文科”方面的AI医疗赋能。"
（https://zhuanlan.zhihu.com/p/96467599）
平安CDSS
“平安医疗科技曾与上海中山医院全科做了一项实验，选取了10个接受过中山医院培训的社区医生，并将其随机分成两组，其中一组人是用平安医疗科技的辅助系统来看病，另外一组人用搜索引擎来看病。结果用平安医疗科技的辅助系统来看病的这组得分是86.2分，而搜索引擎的那一组只有51.5分，两者差距较大。”
（https://www.iyiou.com/p/89637.html）
更多
如果想要了解更多CDSS国内应用现状，可以参考：
https://cloud.tencent.com/developer/news/325939
https://new.qq.com/omn/20191115/20191115A02XIZ00.html
其他

搜集资料，写这篇文章，主要是想对CDSS有一个初步的了解。至此，自己找到的资料，自己的理解和想法，都和大家做了分享。
但结束文章之前，始终感觉少了一些什么。其实，在开始做资料调研之前，心中有两个问题，是最想寻找答案的。
第一个问题，现有最新理论发展，能够支撑CDSS达到什么样的应用水平？或者说，支撑CDSS的后台最新理论突破是什么？借助这些突破，CDSS能做哪些事情，不能做哪些事情？
第二个问题，CDSS在临床实际应用的效果如何？有没有大夫真正在用，一线大夫的评价如何？
但是对CDSS领域，个人前期积累和接触的都比较少，网络上也未能找到直接相关的资料。对于上面两个问题，只能暂存，希望后续能有新的发现或答案。

来源：https://zhuanlan.zhihu.com/p/104121764
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！