藥學知識庫發展與建設

楊 珺 郭 強 史文釗 陳 偉 楊 媛 吳 琛 馬建輝

(中國醫學科學院腫瘤醫院 北京 100021) (神州數碼醫療科技股份有限公司 北京 100080) (中國醫學科學院腫瘤醫院北京 100021) (神州數碼醫療科技股份有限公司北京 100080) (中國醫學科學院腫瘤醫院北京 100021)

1 引言

隨著信息技術飛速發展，數據庫技術在醫藥領域得到廣泛應用。有機結合人工智能與數據庫等技術的人工智能數據庫促進了藥學知識庫產生和發展。知識庫(Knowledge Base,KB)是用于知識管理的特殊數據庫，對有關領域知識進行采集、整理及提取，包括基本事實、規則和其他有關信息。從存儲知識角度來看，知識庫以描述型方法存儲和管理知識[1-3]。知識庫概念來自兩個領域：一是人工智能及其分支——知識工程領域；二是傳統數據庫領域。人工智能(Artificial Intelligence，AI)和數據庫(Data Base，DB)兩項計算機技術有機結合促成知識庫系統產生和發展，藥學知識庫是基于藥學數據庫與人工智能的智能臨床用藥輔助決策知識庫。

2 必要性及意義

2.1 必要性

2.1.1 具備臨床需求和技術基礎 藥物治療是疾病治療最常用手段，保障患者用藥安全是醫患雙方共同追求的目標。然而復雜的臨床用藥與藥品管理程序存在一定程度安全隱患，不合理用藥不僅會造成經濟浪費，還會導致無效治療甚至藥源性疾病，直接危害患者健康[4]。如何在臨床治療過程中保障藥物安全合理使用已成為臨床醫師和藥師面對的重要課題。一方面以生物醫藥和基因診斷為代表的各種創新診療手段日新月異，對于如何熟練、有效、安全地使用新藥品和新技術，臨床醫師和藥師擁有更多選擇且面臨更大挑戰；另一方面規范治療必須首先建立強大、可靠、以循證醫學數據為基礎的藥學知識庫。隨著生物藥學數據庫和電子健康檔案(Electronic Health Records，EHRs)的廣泛應用，藥學數據越來越豐富[5]。知識庫數據的可發現性、可訪問性、互操作性和可重用性指導數據生產者和發布者跨越障礙，從而最大程度地利用信息學技術服務知識庫[6]。

2.1.2 有助提高用藥有效性和安全性 美國醫學研究所(Institute of Medicine，IOM)報告表明[7]，美國每年有44 000～ 98 000人死于醫療過失，其中超過7 000例與藥物使用相關；哈佛醫學院研究指出[8]，紐約4%左右的住院患者曾受到因醫療引起的傷害，其中近20%是藥物使用引起的；另有研究表明藥物使用引起的不良反應現象十分普遍[9-10]。IOM指出超過一半的藥物不合理使用源自不正確的醫囑[11- 12]。為解決這一臨床問題，IOM推薦醫生使用具有決策支持功能的信息系統。隨著國內醫院信息化程度不斷提高，處方、病歷填寫等傳統醫療業務都已實現計算機化、無紙化，電子病歷系統(Electronic Medical Records，EMR)[13-16]，計算機化醫囑錄入系統(Computerized Physician Order Entry，CPOE)，臨床決策支持系統(Clinical Decision Support System，CDSS)等醫療信息系統不僅協助醫護工作者提高業務效率，而且改善醫療安全性[17-19]。通過建立由臨床藥師維護的計算機化藥學知識庫，能夠使臨床醫生隨時查閱最新藥物知識及輔助臨床決策，進而提高用藥有效性和安全性。

2.2 意義

建立臨床藥學知識庫既方便醫護人員了解藥品信息，也可輔助醫生臨床用藥[20]。利用藥學知識庫綜合全院醫藥信息，打破信息壁壘，方便醫護人員快速查詢、認識和了解新藥。臨床藥學知識庫中可收集臨床不良反應，以數據和觸發模式幫助醫護人員掌握用藥原則。電子病歷等信息系統可利用該數據庫建立處方或醫囑核對審查模式、檢查處方或醫囑合理性，指導臨床工作。總之藥學知識庫可將不同病種、個體藥物使用與患者病情發展等進行動態歸納、整理并總結經驗教訓，進行藥物、患者、醫師、科室、醫院之間的數據挖掘研究，從而形成具有特色的臨床藥學知識庫，以提高醫院臨床用藥精準化。

3 發展

3.1 分類

3.1.1 概述 醫院藥學信息化已經從單機應用和單純的藥品管理發展到計算機聯網輔助管理和數據庫輔助決策系統，進而與醫院信息系統(Hospital Information System，HIS)高度無縫銜接，實現藥學服務全程信息化[21]。現有藥學知識庫可分為4類，即綜合型藥學知識庫、基本藥物信息藥學知識庫、藥物基因組學知識庫與本體數據庫，見圖1。

圖1 基本藥學知識庫分類

3.1.2 內容 綜合型藥學數據庫(或化合物知識庫)包括ChEBI數據庫、ChEMBL數據庫、KEGG Compound數據庫等，其中包含藥學信息及其他數據信息。在藥學專業數據庫中，代表性的有DrugBank、KEGG Drug、PharmGKB等，其中包括藥物名稱與類別、分類、描述、分子式、同義詞、產品重量、藥理、交互作用、藥物經濟學、臨床實驗、屬性、光譜對應關系。Binding DB、CTD、TTD等藥物靶點數據庫提供已知或正在探索的可用作治療的蛋白質靶點和核苷酸靶點信息，以及與其對應的靶疾病、靶通路和相應的藥物/配體信息，包含這些靶點在其他數據庫中的相關鏈接，靶點的功能、序列、3D結構、配體結合性質、酶的命名以及相關文獻等信息的鏈接。ATC、UMLS等本體數據庫作為醫學術語系統，涵蓋臨床、基礎、藥學、生物學、醫學管理等醫學及相關學科，收錄眾多醫學概念和詞匯。

3.2 國內發展情況

3.2.1 現狀 我國正在建立臨床用藥數據庫，其中Drugs是由醫藥學專家依據國家食品藥品監督管理局批準的藥品說明書、《中華人民共和國藥典》、《臨床用藥須知》、《中國國家處方集》、《國家基本藥物目錄》以及國家食品藥品監督管理總局發布的相關信息、權威期刊發表的研究成果，按照一定規范整理而成。為了更好地規范中藥使用，建立中藥知識庫[22-23]是基礎藥物信息與循證醫學初步結合的藥學知識庫。

3.2.2 問題 當前國內藥學知識庫主要集中于藥品基礎信息，滿足醫生初級臨床需求，缺少循證醫學證據與藥物基因組學數據，對指導臨床用藥缺乏實質意義，僅能支撐有限的基于規則的臨床輔助決策，缺乏腫瘤用藥臨床支持決策的藥學知識庫[24]。為滿足臨床實際需求，國內迫切需要在知識整理基礎上融合大數據對患者實際治療結局進行統計分析，為指導臨床實際用藥、藥品研發及基于數據的臨床輔助決策系統奠定基礎。

3.3 國內外常見藥學知識庫(表1)

表1 國內外常見藥學知識庫

續表1

4 構建

4.1 數據來源

本研究在藥品說明書、中國國家食品藥品監督管理總局、美國食品藥品監督管理局、藥物相互作用數據庫、藥物靶點數據庫、信號通路數據庫的用藥禁忌、藥物治療方案、藥物相互作用、基因突變信息等相關內容基礎上組建數據庫，由有關專家反復論證，選擇科學性、操作性、指導性和實用性較強內容，利用關系型數據庫特點建立臨床用藥知識數據庫。通過不斷更新的疾病臨床診療指南、臨床路徑、權威文獻等醫學資料以及相關診療信息，利用機器學習、數據挖掘與人工整理審核相結合的方式對藥學知識庫內容進行結構化、元素化梳理。

4.2 模型構建

在臨床用藥知識數據庫基礎上，根據醫院精細化管理要求構建臨床藥學知識庫模型。通過獲取藥物基本信息、藥物說明書、美國食品藥品監督管理局用藥標準、藥物相互作用、藥物基因組以及臨床試驗相關信息組成知識庫基本結構，在PubMed下載相關文獻，經過篩選與審查注入數據庫。將患者臨床數據通過自然語言處理(Natural Language Processing，NLP)等方法進行處理并歸納入庫，見圖2。

圖2 藥學知識庫具體構建與應用流程

4.3 設計要點及應用

系統旨在以用藥管理及輔助用藥為整體思想，分析和總結用藥數據，更好地指導臨床醫生用藥。設計要點包括藥品信息維護、入組數據篩查、人工智能與知識庫結合、風險提示、證據等級、證據控制與評價和免責聲明等，滿足患者治療、臨床輔助決策、臨床科研、藥物研發等應用需求。

5 展望

5.1 推進藥學知識庫建設應用實踐

我國已經著手開展與國際接軌并符合中國國情的藥學知識庫建設。童榮生在題為《基于知識圖譜技術的智能臨床用藥決策支持系統》的專題報告中指出，iPharma用藥助手系統以云服務方式面向醫務人員和患者解答臨床藥物使用疑問，給出個體化精準用藥建議，預測藥物療效和不良反應等，規范用藥行為，提升臨床整體合理用藥水平。京東健康與北京大學第三醫院宣布聯合開發PharmCoo人工智能藥學知識圖譜。PharmCoo是基于藥學知識庫和真實世界數據，結合語義理解、機器學習等人工智能技術構建的藥學知識圖譜，產品開發成功后將為各方提供高效便捷的合理用藥和智能處方審核等服務。

5.2 開拓醫療數據應用新路徑

中國擁有海量醫療數據，利用大數據技術挖掘循證醫學證據具備先天優勢[25]，可推進兩項研究實踐：一是醫院內部對過去幾十年產生的醫學資料進行深度挖掘，通過回顧性分析、歸納、推理和應用篩選有價值的循證醫學證據，用于制定和更新臨床診療規范，指導臨床合理用藥。二是建立有效的信息化平臺，幫助臨床醫師和藥師第一時間獲取國內外最新循證醫學證據和臨床用藥的基本信息，為臨床用藥決策提供依據。