基于临床指南的决策支持系统

尹梓名 吕旭东 段会龙 浙江大学生物医学工程与仪器科学学院 （杭州市 310027）

0.概述

临床指南（clinical guideline）是基于循证医学的观点，系统开发的多组临床指导意见，用于帮助医生和病人针对特定的临床问题做出恰当的处理，减少医疗差错，避免资源浪费。临床指南的开发方法严谨、科学，内容详实、准确，是指导临床医务人员临床实践的最佳依据。尽管目前国际上已经先后出现了1900 多种临床指南，但是实际调查研究发现，这些临床指南并没有能够很好地应用于临床实践，规范广大医疗工作者的诊疗行为。研究表明，因为纸质临床指南阅读使用不便，给出的诊疗建议不是针对特定病人的实际情况，所以在很大程度上阻碍了临床指南实时、高效地应用于临床实践。

随着计算机技术的发展，人们开始尝试将临床指南的内容数字化，即将文本形式的临床指南按照临床指南表达模型进行建模，形成计算机可理解、执行的模型，并以此为基础构建基于临床指南的决策支持系统。此系统能够结合患者信息执行指南，在诊疗的关键时刻提供针对性建议，指导临床实践、规范诊疗流程。与基于文本的临床指南相比，计算机可执行的数字化临床指南具有以下优势：

（1）与患者电子病历数据相结合，使得计算机自动地依据临床指南规范，在临床实践中为医务人员提供各种诊疗和防治建议，真正实现规范化的临床诊疗。

（2）依据数字化临床指南，提供及时的决策支持，辅助临床实践，可以大大减轻医护人员的工作强度和难度。

（3）方便医护人员随时查看所需的临床指南，以这样的方式利用临床指南比查阅在专题论文或学报里出版的临床指南，或者利用那些通用的、与患者的个体信息无关的临床指南要方便有效得多，有利于医护人员自身的再学习过程。

将基于文本的临床指南数字化是构建基于临床指南的决策支持系统的核心问题。目前，在国际上公开发布的比较成熟的临床指南表达模型有十几种，研究者们基于这些模型开发了临床决策支持系统。理论上来说，通过将指南知识表达成计算机可执行的，支持自动推理的临床指南模型，给出针对病人实际情况的诊疗建议，会对临床诊疗工作有较强的改善[1]。但是，近十年这些模型和系统发展得比较缓慢，新的成果不多，已经开发出的系统也并没有得到大范围内的应用。本文将通过介绍已有的模型和系统分析这些系统遇到的问题，并提出此类系统未来可能的发展方向。

1.典型临床指南表达模型及决策支持系统

临床指南表达模型是指计算机可理解的文本临床指南的规范化表示方法。目前国际上研究较多的临床指南表达模型有将近20 项。对临床指南表达研究的方法主要分为两类：一是根据人工智能和自然语言处理等技术，对文本指南整理标注，通过人工标签的方式，将指南加工成一篇计算机可以理解的新文档，GEM[2]是其中的代表。二是将指南中的诊疗过程构建成流程化的模型[3]，由一系列随着时间展开的行为、决策、场景组成，通过图形化的方法来表达指南的内容，GLIF[4]是其中的代表。

1.1 PROforma

PROforma[5]模型具有明确的语法和语义，通过结合逻辑编程和面向对象的建模，实现基于临床指南的决策支持和病人管理。PROforma 有四种任务：行为、复合计划、决策和病人信息查询。所有的工作共享属性描述目标（attributes describing goals），控制流程，前置条件和后置条件。PROforma 的决策用规则集表达，为决策选项提供4 种不同的支持度：支持（for），确定（confiming），不 支 持（against），和 排 除（excluding）。这种方法被随后的EON，GLIF3 和SAGE 采用。PROforma 的研究者基于PROforma 技术开发了12 个决策支持应用[6]，其中的7 个系统已经做了定量评估实验，所有的系统都起到了改善医疗行为的效果。

1.2 EON

EON[7]是斯坦福大学医学信息学系建立的临床指南知识表达模型，其目的是构建一套基于组件和接口的体系结构，使开发者能够利用其构建临床决策支持系统。EON 使用基于任务的方法定义可执行的决策支持服务。医疗行为表达成活动图（Activity Graphs）的形式包括场景、行为、决策、子指南和分支等。

ATHENA 决策支持系统是一个基于EON 实现的，并与电子病历系统进行整合了的高血压决策支持系统，已经在美国退伍军人部的三个医疗中心成功部署[6]。当用户选择一个病人后，电子病历系统发送一个包含病人记录标识号的消息给ATHENA 客户端。ATHENA 客户端通过指南解释器将此消息解析，并将此病人的临床建议通过客户端窗口来显示，此窗口包含了对每个建议的详细描述，用户可以查询每条建议的理由。ATHENA 客户端的功能是对所有的需求都传递给指南解释器和数据库服务器来处理，用一种友好的方式显示指南建议。研究者对ATHENA 进行了为期15 个月的临床评估实验，初步结果表明，63%的病人适用于基于临床指南的决策支持系统，并且系统的使用率一直居高不下。

1.3 Arden Syntax

Arden[8]医学逻辑模块语言（Arden Syntax For Medical Logic Modules）于1989 年首先由Arden Homestead 会议提出，1999 年被HL7 所采用。Arden 语言是一种基于规则的临床指南表达语言，将医学知识表示为独立的单元——医学逻辑模块（Medical Logical Modules， MLMs）[9]。在众多的数字化临床指南模型中，Arden 语言是一个最为公开且成熟的语言[10]。Arden 不是为了编码涉及多个决策或者流程序列的复杂指南，所以它经常被用在以事件驱动的单步警报和提醒中。

Arden 曾经在美国Columbia-Presbyterian 医学中心验证应用。经过许多年的努力，Columbia-Presbyterian 医学中心书写了大约240 个医学逻辑模块，模块的内容得到了HL7 Arden 工作小组[11]的验证和维护。然而，已经很多年没有其他研究者将他们的研究成果提交到这个网站。而且，除了个别生产商的用户以外，目前也没有其他的网站共享医学逻辑模块。

1.4 GLIF3

GLIF3（GuideLine InterChange Format）[12]是由哈佛大学、哥伦比亚大学以及斯坦福大学组成的InterMed 合作项目的研究者开发，用来将临床指南表示成机器可读格式的模型[13]，实现机构以及临床决策支持系统之间的指南共享。模型通过指定病人数据项，临床概念和临床知识的行为和决策步骤来使用。GLIF3 试图集成其他临床指南知识表达模型的优点，并且尝试采用医疗保健领域现有的标准。GLIF3 的表达语言最初以Arden语法为基础[14]，后来被GELLO[15]替换，并且它的默认医学数据模型是HL7 RIM 模型（Reference Information Model，RIM）。

GLIF3 有两个临床应用实例[6]：一是在以色列一家初级医疗机构的门诊中，使用其表达糖尿病引起的足部疾病的临床指南；二是在哥伦比亚大学的冠状动脉旁路移植术的术后病人护理方案中使用。护理医师使用GLIF3 表达临床指南，将其与基于web 的EHR 相连，使用GLEE 执行引擎执行。

1.5 SAGE

SAGE（Standards-Based Sharable Active Guideline Environment）[16]临床指南知识表达模型是由IDX System Corporation、Nebraska 大学医学中心、IHC（Intermountain Health Care）、Apelon、斯坦福医学信息学中心以及Mayo 医院联合开发。SAGE 模型具有如下特点[17]：（1）SAGE 模型吸收和集成了以往临床指南表达模型的优点，如Activity Graph 的设计借鉴了EON 和GLIF3；Decision Map 概念源自于PRODIGY；使用多选的Decision Model 则源自于PROforma；事件驱动源自于PROforma 和GLIF。（2）SAGE 采用事件驱动方式，与临床工作流结合，强调在适当的时机提供适当的临床决策支持。（3）标准化表达，采用基于HL7 V3 RIM 的数据模型；利用SNOMED CT、LONIC 编码作为医学术语表示的标准；使用GELLO 作为其逻辑表达语言。这些标准，使得模型对外表现为统一接口，方便了临床指南表达模型集成到电子病历系统以及与其他指南表达模型的知识共享，为兼容多个指南表达模型的临床指南知识表达框架的出现奠定了基础。

为了验证SAGE 的可行性，SAGE 的研究者们利用SAGE 模型对免疫指南和糖尿病指南进行了表达，并将以SAGE 模型为基础的决策支持系统集成到Mayo 诊所和内布拉斯加大学医学中心的临床信息系统中[18]。

2.基于临床指南的决策支持系统面临的挑战

在过去的十年中，临床指南表达模型的研究者与临床决策支持系统的开发商进行了大量的合作，希望能将基于临床指南的决策支持系统集成到医护人员日常的工作流程中。但无论国内外，在临床实际中投入广泛长期应用的系统并不多，系统仍然有很多局限性。

（1）临床指南表达模型的标准化不足

临床决策所基于的临床知识有时候是跨专业的，这就要求基于临床指南的决策支持系统是建立在知识共享和互操作的基础上，而知识的共享必然面临知识的标准化问题。因为需求和目标仍然在变化，因此，在数字化临床指南领域进行知识标准化的相关工作条件并不成熟，很多研究者的研究思路已经从开发一个完全的指南模型转变为开发指南模型的标准化组件。但是，标准中应该包含哪些组件仍然有争议，从组件的标准到形成一个完整的计算机可执行的临床指南标准的过程还不十分清楚。

（2）不确定性临床知识的表达不充分

前文提到的这些指南表达模型虽然涵盖了临床指南表达研究工作的大部分领域，然而，他们对于临床指南中的不确定性知识的表达方法的研究却较少涉及。但是这种不确定性在医学中是非常常见的：①并非所有医学指标都能精确量化，一些医学指标需要医生的主观判断；②对于很多医学指标的正常范围的界定也存在模糊性；③诊疗过程中由于某些信息的缺失或者客观条件所限无法获取到等情况的存在，也限制了临床指南的准确执行；④由于目前医学发展的水平，还不能从本质上揭示各类疾病产生的根本原因，对于疾病产生的根本原因——生物学机理的不完全的理解，使得疾病在表面上呈现出多样性，因此，临床指南很难精确描述各种疾病的成因、诊断治疗方案。不确定性知识的表达研究对于提高临床决策支持系统给出的诊疗建议的正确性有非常大的帮助。

（3）没有充分考虑不同医生对决策支持的不同需求

由于医生自身知识和经验的积累不同，他们对决策支持的需求也不一样。一般来说，初级医生需要更活跃的决策支持，而经验丰富的医生则希望得到选择性的支持，更自主地进行临床决策。过多的提醒提示会引起“提醒疲劳”，过少的提醒提示则很容易忽略临床中的关键问题。现有的系统大都过于强调机器决策，这不利于临床决策支持系统的推广，也是不科学的，因为决策本身应该由人来完成。

（4）无法适应临床指南的快速变化

我们正处在一个知识爆炸的时代，循证医学的证据层出不穷，临床指南在不断更新。一个基于临床指南的临床决策支持系统，应该支持并适应临床指南的快速变化。而这一点，现有的系统却大都没有做到。

3.基于临床指南的决策支持系统的发展方向

针对基于临床指南的决策支持系统面临的问题，未来的研究应该着重在如下几个领域：

3.1 计算机可执行的临床指南知识共享

构建跨执行机构的，跨不同国家和地区的，可共享，可执行的知识一直是临床指南模型开发者为之奋斗的目标。然而，由于计算机可执行的临床指南格式的多样性和临床指南本地化的需求，共享计算机可执行的临床指南并不是一项简单的工作。Medinfo 2010 专家组在[19]中从技术和商业模式等角度讨论了研究者们在这个方向上所做的工作。为了促进指南模型的共享，DeGel[20]和openclinical 组织正在建立计算机可执行的指南模型库和不同指南表达形式下可执行的组件，而一个可以执行不同临床指南模型的引擎已经被开发出来[21]。

3.2 融合多个临床指南的决策支持系统

随着人口老龄化的加剧，在患病群体中老年人的比例会越来越多。许多老年人不只有一种疾病，而是患有合并症。对于有合并症的病人应用多个临床指南，每一个指南关注一个不同的合并症。将针对合并症的多个临床指南纳入到同一个决策支持系统是一项重要的挑战，然而，目前在这方面的研究并不多。

3.3 知识表达的多样性和准确性

如前所述，现有的临床指南知识模型更多关注的是指南中确定性知识的表达，而对于非确定性的知识，除了Arden syntax 的研究者推出Fuzzy Arden syntax 以外，没有研究者进行过研究。而这一部分知识在临床中必不可少，是决策支持系统能否得出正确结论的关键，所以，如何对现有模型进行改造升级，使之包含这部分知识的表达，是研究者们需要研究的方向。

3.4 构建可共享、可移植的临床决策支持服务模式

从专家系统到临床决策支持系统几十年实践中最深刻的一个经验是，一个在某个环境下非常成功的临床决策支持应用往往很难成功的移植到其他的临床机构中。这其中涉及的数据的标准化、临床工作流程的多样性以及知识库的差异需求等因素，改变这个状况一方面需要临床标准化程度的提高，使得各类临床数据在不同机构中具有统一的形式、结构和意义。同时也需要从体系上改变临床决策支持的框架，传统的独立临床决策支持系统的方式很难具备不同临床环境下的集成应用和知识的共享，而近年来云计算架构的发展，使得基于开放网络协议如 SOAP（simple object access protocol）和 REST（representational state transfer）构建的网络服务，可以支撑跨平台的各类临床决策支持应用，并方便实现对于跨机构甚至跨地区的统一服务，这将会是将来临床决策支持一个新的发展方向。

4.总结

研究开发基于临床指南的决策支持系统有助于提高医生的诊疗水平，提高医疗服务质量，最终使患者受益。本文分析了基于临床指南的决策支持系统的发展现状和存在问题，并指出进行临床指南模型标准化和组件化建设，以及开展融合多个临床指南、临床知识的不确定性表达和新型决策支持服务模式等方面的研究，将是今后基于临床指南的决策支持系统研究的主要任务。

[1] A. Latoszek-Berendsen, H. Tange, H. Van Den Herik, and A. Hasman, "From clinical practice guidelines to computerinterpretable guidelines. A literature overview," Methods of information in medicine, vol. 49, pp. 550-570, 2009.

[2] R. N. Shiffman, B. T. Karras, A. Agrawal, R. Chen, L. Marenco, and S. Nath, "GEM: a proposal for a more comprehensive guideline document model using XML," Journal of the American Medical Informatics Association, vol. 7, pp. 488-498, 2000.

[3] M. Peleg, S. Tu, J. Bury, P. Ciccarese, J. Fox, R. A. Greenes, et al., "Comparing computer-interpretable guideline models: a case-study approach," Journal of the American Medical Informatics Association, vol. 10, pp. 52-68, 2003.

[4] M. Peleg, A. A. Boxwala, O. Ogunyemi, Q. Zeng, S. Tu, R. Lacson, et al., "GLIF3: the evolution of a guideline representation format," in Proceedings of the AMIA Symposium, 2000, p. 645.

[5] D. R. Sutton and J. Fox, "The syntax and semantics of the PROforma guideline modeling language," Journal of the American Medical Informatics Association, vol. 10, pp. 433-443, 2003.

[6] Methods and tools for representing computerised clinical guidelines. Available: http://www.openclinical.org/gmmsummaries.html

[7] M. A. Musen, S. W. Tu, A. K. Das, and Y. Shahar, "EON: A component-based approach to automation of protocol-directed therapy," vol. 3, ed: Am Med Inform Assoc, 1996, p. 367.

[8] J. Poikonen, "Arden Syntax: the emerging standard language for representing medical knowledge in computer systems," vol. 54, ed: ASHP, 1997, p. 281.

[9] H. L. Seven, "Arden Syntax for Medical Logic Systems," ed, 2005.

[10] 江捍平, "美国卫生信息工作标准HL7——跨医疗卫生体系信息交换理论入门," 北京：科学出版社, pp. 127-129, 2005.

[11] Arden Syntax Work Group. Available: http://wiki.hl7.org/index.php?title=Arden_Syntax_Work_Group

[12] M. Peleg, A. A. Boxwala, S. Tu, R. A. Greenes, E. H. Shortliffe, and V. L. Patel, "Handling expressiveness and comprehensibility requirements in GLIF3," ed: IOS Press, 2001, pp. 241-245.

[13] L. Ohno-Machado, J. H. Gennari, S. N. Murphy, N. L. Jain, S. W. Tu, D. E. Oliver, et al., "The guideline interchange format: a model for representing guidelines," vol. 5, ed: Am Med Inform Assoc, 1998, p. 357.

[14] M. Peleg, A. A. Boxwala, E. Bernstam, S. Tu, R. A. Greenes, and E. H. Shortliffe, "Sharable representation of clinical guidelines in GLIF: relationship to the Arden syntax," vol. 34, ed: Elsevier, 2001, pp. 170-181.

[15] M. R. Daliri, "Automated diagnosis of Alzheimer disease using the scale-invariant feature transforms in magnetic resonance images," Journal of medical systems, vol. 36, pp. 995-1000, 2012.

[16] J. R. Campbell, S. W. Tu, J. G. M. PhD, J. I. Boyer, J. McClay, C. Parker, et al., "The sage guideline model: A knowledge representation framework for encoding interoperable clinical practice guidelines," vol. 9, p. 10, 2003.

[17] S. W. Tu, J. R. Campbell, J. Glasgow, M. A. Nyman, R. McClure, J. McClay, et al., "The SAGE Guideline Model: achievements and overview," vol. 14, ed: Elsevier, 2007, pp. 589-598.

[18] S. W. Tu, J. R. Campbell, J. Glasgow, M. A. Nyman, R. McClure, J. McClay, et al., "The SAGE Guideline Model: achievements and overview," Journal of the American Medical Informatics Association, vol. 14, pp. 589-598, 2007.

[19] M. Pelega, J. Foxb, R. Greenesc, and S. Rafaelid, "Sharing guidelines knowledge: can the dream come true?."

[20] Y. Shahar, "The “Human Cli-Knowme” project: building a universal, formal, procedural and declarative clinical knowledge base, for the automation of therapy and research," in Knowledge Representation for Health-Care, ed: Springer, 2012, pp. 1-22.

[21] D. Isern and A. Moreno, "Computer-based execution of clinical guidelines: a review," International journal of medical informatics, vol. 77, pp. 787-808, 2008.