临床输血智能管理系统应用效果分析*

——于文娟 陈麟凤 谈春荣 田宗梅 陈 岩 王 岩 刘 璇 何 欣 刘思琪

决策支持系统(Decision Support System，DSS)是帮助临床医生进行医疗决策的软件[1]。有研究表明，DSS的实施改善了红细胞、血小板、血浆的临床使用情况[2-4]；在重症监护病房(ICU)、心胸外科、血液管理和儿科中已证明了DSS的有效性[2,5-7]。首都医科大学附属北京世纪坛医院输血科构建了以临床决策支持系统(Clinical Decision Support System，CDSS)和人工智能(Artificial Intelligence，AI)为抓手的临床输血智能管理系统，应用效果良好。

1 系统构建

临床输血智能管理系统使用Webservice技术和ETL可视化工具协作方式，遵循数据存储和交互标准，对接医院信息平台和数据中心，支持结构化、半结构化和非结构化数据采集。提取该院HIS(HospitalInformation System，医院信息系统)、LIS(Laboratory Information System，实验室信息系统)、手麻记录、护理记录及医院集成数据平台中所有申请用血或输血患者输血相关资料，以输血业务、手术业务为中心，按照科室、病种、用血类型、用血方式、手术方式、时间等多个维度聚合患者输血全过程数据，存储于NoSQL数据库中，用于支撑平台预测、管理及科研等应用模块。存储时对数据进行脱敏、加密处理，确保数据安全。构建的临床输血智能管理系统主要包括以下3方面功能：

1.1 围术期输血量预测

使用已发表文献中的术中失血量计算方法[8-9]，首先，获取2013年-2019年7月手术输血相关信息；其次，根据手术时间，将2013年-2018年的14 279条手术信息划分为训练集，2019年1月-7月的2 728条手术信息作为测试集评估模型；然后，根据变量在训练集和测试集上的分布，对连续变量和分类变量分别通过皮尔逊和斯皮尔曼相关系数进行筛选，保留筛选过程中相关系数≥0.2、P<0.05的预测变量作为自变量，预测输血量作为因变量；最后，使用XGBoost集成学习算法构建精准红细胞输注量预测模型[10]。因XGBoost算法能够处理缺失资料，故系统没有对缺失资料进行处理。当新病例出现时，依据患者相关信息，直接进行术中红细胞需求量预测。模型还对患者是否需要输注红细胞进行预测，该预测为二分类问题(是否输注红细胞)，使用机器学习中常用的ROC曲线来刻画模型优劣，计算分类预测准确度、精确度等，并与医生预测结果比较，从而对模型性能进行评估。

1.2 输血管理

针对输血业务特点和输血评价考核要求，系统为医院管理部门提供了输血评价指标统计信息，可实现基于数据的管理。……