基于大數(shù)據(jù)技術(shù)的臨床診斷決策系統(tǒng)

喬凱　龐曉燕　張文娟

摘 要：臨床診斷決策系統(tǒng)是人工智能在生物醫(yī)學(xué)領(lǐng)域的重要應(yīng)用，計(jì)算機(jī)科學(xué)和互聯(lián)網(wǎng)的發(fā)展使生物醫(yī)學(xué)領(lǐng)域產(chǎn)生了巨量的數(shù)據(jù)，大數(shù)據(jù)的出現(xiàn)為臨床診斷決策系統(tǒng)的發(fā)展提出新的要求。該文闡述了在大數(shù)據(jù)時(shí)代臨床診斷系統(tǒng)的現(xiàn)狀和所面臨的挑戰(zhàn)，并對于大數(shù)據(jù)時(shí)代建立用于臨床診斷決策系統(tǒng)權(quán)威的、全面的、多領(lǐng)域的數(shù)據(jù)庫進(jìn)行了探討。

關(guān)鍵詞：大數(shù)據(jù) 臨床診斷決策

中圖分類號(hào)：R241 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2015）04（b）-0017-01

近年來，隨著計(jì)算機(jī)科學(xué)在醫(yī)學(xué)領(lǐng)域的應(yīng)用，生物醫(yī)學(xué)領(lǐng)域迎來了大數(shù)據(jù)時(shí)代。知識(shí)大爆炸對醫(yī)療工作提出了嚴(yán)峻的挑戰(zhàn)，醫(yī)師們?nèi)找娓械浆F(xiàn)有的知識(shí)已經(jīng)很難跟上突飛猛進(jìn)的醫(yī)學(xué)發(fā)展步伐，即使臨床分科有助于緩解這一矛盾，但絕非根本解決方法。因?yàn)獒t(yī)學(xué)領(lǐng)域知識(shí)的快速更新和增長，已遠(yuǎn)超出醫(yī)師的學(xué)習(xí)和掌握限度，而大量的信息和數(shù)據(jù)更讓醫(yī)師們無所適從。同時(shí)大數(shù)據(jù)技術(shù)在生物醫(yī)學(xué)領(lǐng)域的應(yīng)用也給醫(yī)學(xué)的發(fā)展帶來了機(jī)遇，它可以將傳統(tǒng)的醫(yī)學(xué)所提供的“碎片化”的知識(shí)信息逐漸拼湊起來，從而以更全面的圖景來完整真實(shí)的展現(xiàn)生命與疾病[1]。這能使人們對生命機(jī)制和疾病機(jī)制的理解更全面深入，從而提高疾病預(yù)測和臨床診斷的效率。

SS的現(xiàn)狀及面臨的挑戰(zhàn)

CDSS一般包括臨床表達(dá)模型的建立、邏輯推理和知識(shí)庫。臨床表達(dá)模型是系統(tǒng)與用戶之間數(shù)據(jù)的輸入和輸出部分的操作界面，系統(tǒng)根據(jù)手工輸入或者從其他系統(tǒng)獲得的條件進(jìn)行判斷，從知識(shí)庫中抽取對應(yīng)的相關(guān)詞條或句子顯示出來。決策支持系統(tǒng)與醫(yī)生的工作流程相融合，醫(yī)生可在工作流程中迅速獲得決策支持，可在完全不干預(yù)的情況下自動(dòng)提示，并與電子病歷等臨床信息系統(tǒng)緊密融合。邏輯推理是利用決策樹的原理，對重要關(guān)鍵詞語進(jìn)行判斷，把結(jié)果與知識(shí)庫中的關(guān)鍵詞進(jìn)行匹配，等同于一個(gè)小型搜索引擎。知識(shí)庫是臨床相關(guān)知識(shí)的總集，源自權(quán)威出版物，并進(jìn)行結(jié)構(gòu)化處理，按照藥品、診療指南、?？七M(jìn)行分類整理，這是一項(xiàng)費(fèi)時(shí)且專業(yè)性強(qiáng)的工作。

美國、英國等發(fā)達(dá)國家早已將信息技術(shù)廣泛應(yīng)用到醫(yī)藥衛(wèi)生行業(yè)[2]，結(jié)合各國實(shí)際情況制定了促進(jìn)衛(wèi)生信息發(fā)展的戰(zhàn)略規(guī)劃，開發(fā)出許多實(shí)用的決策支持系統(tǒng)應(yīng)用于臨床診斷、臨床診療、臨床用藥等領(lǐng)域，取得了明顯的成效。猶他州鹽湖城的Latter Days Sants（LDS）醫(yī)院開發(fā)的是一個(gè)與醫(yī)院信息系統(tǒng)結(jié)合的非常完善的決策支持系統(tǒng)的例子。它是一個(gè)半自動(dòng)系統(tǒng)，每次病歷更新都會(huì)激活決策支持模塊。

我國CDSS的發(fā)展滯后一些，現(xiàn)有的決策系統(tǒng)只有單純的合理用藥系統(tǒng)、處方點(diǎn)評(píng)等，存在的臨床診斷決策系統(tǒng)也僅僅針對少數(shù)單病種。如第四軍醫(yī)大學(xué)的骨腫瘤輔助診斷系統(tǒng)，上海大學(xué)的產(chǎn)科決策系統(tǒng)及復(fù)旦大學(xué)的神經(jīng)外科臨床決策系統(tǒng)等等。由解放軍總醫(yī)院藥材處和武漢天罡醫(yī)藥軟件有限公司共同研制開發(fā)的臨床用藥智能咨詢管理系統(tǒng)“e藥通”用藥指南軟件。該系統(tǒng)可根據(jù)處方中各種藥物自動(dòng)檢索數(shù)據(jù)，審查處方的合理性和各藥物之間是否有相互作用，旨在為臨床、藥品零售、醫(yī)師、藥師、家庭用藥提供藥物信息，推動(dòng)合理、安全用藥。但是目前我國生物醫(yī)學(xué)科研部門和醫(yī)院等所積累的數(shù)據(jù)大部分處于孤立使用的狀態(tài)，機(jī)構(gòu)之間的數(shù)據(jù)共享有限，這很大程度上限制了生物醫(yī)學(xué)研究效率的提高[3]。另外不同科研機(jī)構(gòu)和系統(tǒng)之間的信息數(shù)據(jù)標(biāo)準(zhǔn)不同，這也限制了機(jī)構(gòu)之間的數(shù)據(jù)共享。

2 基于大數(shù)據(jù)的CDSS

根據(jù)不同的數(shù)據(jù)采集需求，選擇使用合適的數(shù)據(jù)采集平臺(tái)，并通過流式處理平臺(tái)進(jìn)行預(yù)處理。根據(jù)不同的數(shù)據(jù)類型，如關(guān)系性數(shù)據(jù)、健值型數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)、知識(shí)型數(shù)據(jù)、文件數(shù)據(jù)等，選擇或綜合使用不同的存儲(chǔ)系統(tǒng)。傳統(tǒng)數(shù)據(jù)庫/數(shù)據(jù)倉庫已經(jīng)無法支持海量數(shù)據(jù)的分析要求，不論是數(shù)據(jù)復(fù)雜度還是數(shù)據(jù)的規(guī)模上都遠(yuǎn)遠(yuǎn)無法滿足要求，必須要有能夠支持多源、多類型、結(jié)構(gòu)化、非結(jié)構(gòu)化的數(shù)據(jù)整合能力。根據(jù)醫(yī)院數(shù)據(jù)的特點(diǎn)，使用nosql數(shù)據(jù)庫。另外根據(jù)不同的數(shù)據(jù)挖掘需求，選用不同的分布式計(jì)算平臺(tái)，如基于Map Reduce的計(jì)算平臺(tái)、分布式圖計(jì)算平臺(tái)等。比較典型算法有用于聚類的K-means、用于統(tǒng)計(jì)學(xué)習(xí)的SVM和用于分類的Naes，主要使用的工具有Hadoop的Mahout等。通過使用Apache Hadoop庫，Mahout還可以有效地?cái)U(kuò)展到云中，這樣就使海量數(shù)據(jù)整合到一起，為CDSS提供了一個(gè)完善的權(quán)威的多領(lǐng)域數(shù)據(jù)庫[4]。

使用大數(shù)據(jù)技術(shù)分析疾病癥狀、診療規(guī)則，不僅能夠通過智能診斷減少錯(cuò)誤的發(fā)生率，還能夠不斷發(fā)現(xiàn)病情之間的隱含聯(lián)系，開創(chuàng)疾病診斷研究的新領(lǐng)域。與傳統(tǒng)診斷相比，它不再依賴于醫(yī)務(wù)人員的專業(yè)知識(shí)，而是依據(jù)數(shù)據(jù)的潛在聯(lián)系發(fā)現(xiàn)規(guī)則，因此更符合循證醫(yī)學(xué)的基本原則。通過建立的知識(shí)庫和模型通過自我學(xué)習(xí)的能力，可以記住大多數(shù)人的選擇而提高檢索命中率。臨床決策模型具有可拓展性的功能，既可以滿足醫(yī)療機(jī)構(gòu)小數(shù)據(jù)量的需求，也可以要滿足大數(shù)據(jù)量的需求，具有很強(qiáng)的實(shí)踐意義。

3 實(shí)際應(yīng)用價(jià)值和意義

CDSS是通過運(yùn)用醫(yī)學(xué)知識(shí)庫，模擬醫(yī)學(xué)專家診斷、治療疾病的思維過程而編制的計(jì)算機(jī)程序，它可以作為醫(yī)生診斷、治療以及預(yù)防的輔助工具，同時(shí)也有助于醫(yī)學(xué)專家寶貴理論和豐富臨床經(jīng)驗(yàn)的保存、整理和傳播。加強(qiáng)了檢驗(yàn)和臨床的溝通，提高了臨床診治水平，也可以促進(jìn)學(xué)科共同發(fā)展。將大數(shù)據(jù)技術(shù)應(yīng)用于疾病癥狀、診療規(guī)則的分析，不僅能夠通過智能診斷減少錯(cuò)誤的發(fā)生率，還能夠不斷發(fā)現(xiàn)病情之間的隱含聯(lián)系，可以達(dá)到疾病預(yù)測的目的，開創(chuàng)疾病診斷研究的新領(lǐng)域。臨床決策支持系統(tǒng)還可以使醫(yī)療流程中大部分的工作流向護(hù)理人員和助理醫(yī)生，使醫(yī)生從耗時(shí)過長的簡單咨詢工作中解脫出來，從而提高診療效率。為大數(shù)據(jù)在醫(yī)療行業(yè)的應(yīng)用拓展和理論體系完善提供依據(jù)。

大數(shù)據(jù)技術(shù)通過對診療數(shù)據(jù)的客觀分析，不僅能夠挖掘出隱含在電子病歷數(shù)據(jù)內(nèi)部的未知規(guī)則，而且大大提高了臨床診療的效率。與傳統(tǒng)診斷相比，它不再依賴于醫(yī)務(wù)人員的專業(yè)知識(shí)，而是依據(jù)數(shù)據(jù)的潛在聯(lián)系發(fā)現(xiàn)規(guī)則，因此更符合循證醫(yī)學(xué)的基本原則。通過挖掘疾病癥狀與診斷的潛在關(guān)聯(lián)，可以達(dá)到疾病預(yù)測的目的，開創(chuàng)疾病診斷研究的新領(lǐng)域，有助于提高人民的生活質(zhì)量。

參考文獻(xiàn)

[1] 王震寰.計(jì)算醫(yī)學(xué)——應(yīng)對大數(shù)據(jù)的挑戰(zhàn)向臨床轉(zhuǎn)化[J].蚌埠醫(yī)學(xué)院學(xué)報(bào)， 2014，39（1）：1-2.

[2] 馬云，夏新，劉博，等.基于臨床決策支持系統(tǒng)與知識(shí)庫的臨床數(shù)據(jù)中心的研究與應(yīng)用[J].中國醫(yī)療設(shè)備，2014，29（7）：61-63.

[3] 王波，呂筠，李立明.生物醫(yī)學(xué)大數(shù)據(jù)：現(xiàn)狀與展望[J].2014，35（6）：617-620.

[4] 張秀梅，徐建武，程煜華，等.基于知識(shí)庫的臨床決策支持系統(tǒng)構(gòu)建[J].中華醫(yī)院管理雜志，2014，30（6）：472-475.