10图读懂北医三院智能辅助临床决策系统

心内科刘医师正在接诊一位从神经内科转来的65岁病人，病人表示自己最近头晕没有力气，夜尿多，还很健忘，之前的诊断是低钠血症。“病人血钠大于137”，正在录入“低钠血症”的刘医师接到了系统提示。刘医师随即给病人量了血压，“血压170，之前一直这么高么？”“嗯，差不多。”“之前有用过药物吗？”“没有。”“请调整用药，病人既往有支气管哮喘”，正在系统药物一栏写“美托洛尔”的刘医师再次收到系统的提示。刘医师一激灵，这个药用错问题可能就大了。

刘医师正在使用的，是北京大学第三医院（下称北医三院）引入的综合性临床辅助决策支持系统。

近年来，随着医院就诊人次攀升和向患者提供优质服务的需求，降低误诊率、提升临床诊疗水平和效率成为不容忽视的议题，临床决策支持系统成为各大医疗机构关注与发展的热点。

现行临床工作在很大程度依赖于临床经验，承担一线工作的进修医、实习生、规培生以及低年资医生存在临床经验不足、医学知识体系不完善的问题，加上临床信息系统缺乏互操作性，无法对病人的检查/检验、病历、患者信息、诊断、药品等多维关系进行综合呈现，以致在诊断过程中医生容易遗漏信息而产生医疗差错。

另外作为医院质量服务管控重要手段和信息中心数据主要来源的电子病历，质量也参差不齐，且病历质控工作在病历提交之后进行，缺陷检查依赖于质控医师的经验，缺乏时效性和统一标准。

随着医疗信息化快速发展，信息技术在医疗工作中发挥着重要作用。2017年5月科技部发布《“十三五”卫生与健康科技创新专项规划》，提出要加快引领性技术的创新突破和应用发展；同年7月，国务院印发《新一代人工智能发展规划》，鼓励了人工智能在医疗领域的探索应用，促使医学人工智能成为2018年科技部重大专项的重点。

在政策和技术双层利好背景下，北京大学第三医院（下称北医三院）利用在信息化建设方面近20年的先发优势，探索人工智能在医疗领域的深度应用，建立了一套契合临床诊疗流程的、高效实用的综合性临床辅助决策支持体系。

第一步：搭建临床决策支持系统（CDSS）资源中心

搭建辅助决策系统，数据资源是第一位的。

北医三院的数据来源有两个：BMJ循证医学知识库和医院全量数据中心。

医学知识库主要为资源中心系统提供要点式、精准化标准逻辑支撑，构建循证医学最佳实践库，医院全量数据中心包含医院诊疗过程中的临床指南，以及医院各业务系统中的历史病例资料，用来挖掘针对性临床诊疗方案，构建医学临床最佳实践库。

通过对这两大数据的融合，最终构建了集医院临床最佳实践库和循证医学最佳实践库为一体的CDSS资源中心，为后续构建临床业务规则库及实现业务功能提供支撑。

图1 疾病-症状图谱

第二步：建立诊疗模型，搭建系统

建立好CDSS资源中心后，北三医院利用机器学习等人工智能技术，建立诊疗模型，搭建预警系统，并构建了规则应用平台、病历质控平台、知识检索平台三大平台。在多系统及三大平台的支撑下，实现了面向临床的辅助临床诊疗决策、多维综合临床预警预测、实时统一病历内涵质控、语义知识检索服务等四项业务服务。

图2 资源中心系统架构

• 辅助临床诊疗决策——不仅有诊断，还有治疗方案

在医师进行决策时，临床决策在CDSS资源中心的基础上，结合当前患者的主诉、既往史、现病史、辅助检查等内容，以临床指南治疗原则为基础，学习BMJ循证医学知识库以及北医三院相似病例经典治疗方案，通过智能推理，辅助临床形成精准化、个性化的治疗方案，医师还可借助历史病例查看具体诊疗过程。

图3 基于循证医学知识库和个性化治疗方案推荐

图4 历史相似病例推荐

• 全过程综合预警提醒——分类别，分程度

北医三院将112个异常指标、19523条预警提醒规则通过可配置的方式添加到规则应用平台为临床端提供预警提醒和病情发展评估。

图5 预警提醒

预警提醒贯穿患者诊疗全过程，在医师录入诊断、书写病历、用药、检验回报、检查回报各环节实行提醒。除此之外，根据事件的轻重缓急平台将预警等级化，分为蓝色预警、黄色预警、橙色预警、红色预警，程度依次加重，医师可根据其程度进行决策。

图6 全程预警场景图示

图7 预警提醒示例

• 实时统一的病历内涵质量控制——实时监测，综合管理

北医三院通过数据资源中心搭建了智能化病历内涵质控平台，不仅辅助临床医生在书写病历环节及时发现缺陷、修改缺陷，提高病历书写质量，还借助病历质量监控平台，实现对全院病历质量水平的监管，为病历质控决策提供参考。

图8 病历质控实例

图9 病历质控监控平台

• 知识检索服务升级——基于语义，融于业务

由于有BMJ循证医学知识库强大的支撑，北医三院共收录疾病知识近4万条，药学知识近3万条，辅助检查近1万条，文献、指南、循证医学证据1000多万条数据。通过上述庞大的数据，北医三院完善了知识检索语义分析，创建疾病同义词对照16121对，层级关系24881个；药品同义词对照8764对，层级关系8117种；737类3万多种症状体征的同义及层级关系术语集等，改变以往的数据库低效率的搜索逻辑，医师在使用时可根据自身业务进行分类搜索，提升检索质量及效率。

图10 融于业务的知识检索

• 坚持贯彻CDSS五要素框架

通过利用成熟有效的BMJ循证医学知识库，挖掘医院优质病历中的真实最佳临床实践案例，北三医院形成诊断+治疗方案相结合的辅助临床决策系统。这样的结合目前属于全国首家，开创了临床诊疗新模式，降低误诊率、缩短确诊时间，也为其他医院电子病历评级和互联互通高级测评提供了参考。

该系统建设体系庞大，技术上涉及大数据、人工智能；应用场景涉及书写病历、录入诊断、检查/检验等临床诊疗全过程；实施推广需要临床、管理、信息多科室配合。要真正实现临床决策支持系统辅助临床决策，对系统从底层数据基础到上层应用集成都提出了很高的要求。所以在系统建设的各个环节北医三院始终坚持贯彻临床决策支持系统五要素框架：在正确的时间，在正确的干预模式下，向正确的人，提供正确的信息，从而建设真正有用、实用的临床决策支持系统辅助临床决策。

成效

北医三院借助人工智能辅助诊断后，大大缩短了病人确诊时长。特别在遇到罕见病时，一改过去医师问诊—咨询高年资医师—检索医疗知识库—搜索历史病历的流程，由智能辅助决策系统一步到位。在病人初次诊断输入电子病历时，知识图谱就会根据相应症状进行疑似罕见病初步诊断，并推荐相应的检验进行确认，帮助尽早确立鉴别排查决策，确认后系统会挖掘历史相似病例进行再次验证。

在强大知识库的辅助下，医师结合自身临床经验所进行的诊断不仅耗时短，准确度亦有很大提升。北医三院2017年就诊数据显示，各科室智能辅助系统推荐前三位的初诊准确率比医师独力决策初诊正确率高近一倍，使用辅助系统过程中全程预警提示共触发199条，分布于25个科室、90个医生、91种疾病，为医院减少医疗差错发挥了重要作用。

在电子病历管理上，病历质检平台也使医院实现了多维度数据化的便捷管理。过去人工抽量检查，不仅工作量大，而且实际效果不明显，管理人员对病历存在的问题认识存在碎片化的问题。病历质检平台实时监测各医师病历书写情况，进行及时纠错的同时，医师病历缺陷数量的数据也进行了可视化处理。此外，病历问题分类统计，病历问题变化趋势，各科室病历使用情况等多维度的数据也为医院进行病历管理时提供了重点突破方向，提升了电子病历管理效率。

知识检索服务的升级亦获得医生和学生们的好评，以往基于关键字的搜索只能匹配到输入的内容，无法获取含同义词或有层级关系的结果，导致检索结果不全面。如今多语义智能匹配，加上可分业务检索，医生和学生们可很快获得自己需要的信息。

北医三院综合性临床辅助决策支持系统案例，在由健康界举办的第三季中国医院管理案例评选中，获得全国总决赛铜奖。

中国医院管理案例评选中获奖的前两季卓越案例，目前已结集出版《寻找卓越医疗实践》。我们希望能通过“卓越案例”的精准推荐，将创新行动沉淀成为行业共识，也深信这些夜行探索的星星之火虽然还不够完善和具备系统性，却孕育着未来时代生产模式的可能性。期待未来的医疗实践能够真正将其接引成形，创造中国特色的医疗作业模式。

购买链接：https://item.jd.com/47601961626.html