臨床決策支持系統用于靜脈血栓栓塞癥預防管理的研究進展

馬炎，夏同霞，王安素，彭道娟，婁義姣，高奉瓊

靜脈血栓栓塞癥(Venous Thromboembolism，VTE)是繼心肌梗死和腦卒中的第三大致死性心血管疾病[1]，其發生率、致死率高，嚴重威脅患者的生命安全，如何有效進行VTE預防管理是各醫療機構面對的一個難題[2]。傳統的VTE管理模式依賴于管理者和實施者的知識儲備與工作經驗，無法保障各個環節的規范化實施。信息科技的發展為醫學問題的解決提供了新途徑，臨床決策支持系統(Clinical Decision Support System，CDSS)可高效、動態地整合患者的各種生理指標與病情變化信息，將其與循證醫學知識有機結合，從而智能輔助醫護人員作出最佳臨床決策，并有效提高醫護人員工作效率與指南依從性[3]。國家藥品監督管理局2017年發布的《醫療器械分類目錄》中增加了決策支持軟件類別[4]，國務院辦公廳2018年發布關于促進“互聯網+醫療健康”發展的意見，明確指出研發基于人工智能的CDSS，以提高醫療服務效率[5]。目前，CDSS在護理領域的應用受到廣泛關注。本文對CDSS在VTE預防管理中的研究進行綜述，為進一步完善CDSS及提高VTE預防管理水平提供參考。

1 CDSS的類型

CDSS是指能夠提高臨床決策效率，改善臨床結果的醫療信息系統[6]。2009年，Osheroff[7]提出CDSS五要素框架，即在正確的時間，通過正確的渠道，對正確的患者，提供正確的干預方法和正確的信息，該框架是CDSS成功設計實施的關鍵。根據構建方式的不同，CDSS主要分為兩大類，包括基于知識庫的CDSS和基于非知識庫的CDSS。基于知識庫的CDSS包括知識庫、推理機和人機交互界面3個部分[8]。知識庫是該系統的基礎和核心部分，包括各種疾病診斷、藥物說明、檢查檢驗指標、護理操作規范等循證知識。知識庫采用if-then條件選擇語句的程序規則來存儲和管理知識，如如果(if)醫生需要下達口服阿司匹林的醫囑，則(then)知識庫調用阿司匹林的劑量、用法、禁忌證等信息[6]。推理機將患者信息與知識庫內容進行比較分析，通過人機交互界面將最佳的臨床決策結果展示給醫護人員，同時醫護人員也可以在界面輸入與反饋信息。基于知識庫的CDSS是臨床使用最為廣泛的類型，系統中的條目基于循證證據制作，具有較高的科學性及準確性[9-10]，但由于循證證據的時效性，需要不斷更新知識庫內容，而準確篩選高質量文獻需要龐大的工作量。隨著醫療信息化建設的不斷發展，機器學習與醫療領域的結合更加緊密，應用人工智能的機器學習是構建基于非知識庫CDSS的主要方法，使用的機器學習算法主要包括深度學習、人工神經網絡、邏輯回歸等[11]。基于非知識庫的CDSS以VTE診斷、復發模型為主，通過對大數據進行建模分析，提供精準的預測結果，輔助醫護人員對疾病的變化作出判斷。人工智能技術彌補了對復雜臨床數據的利用不足，為判斷VTE的發生及轉歸提供了更多的參考，但其功能仍然較為單一。

2 CDSS在VTE預防管理中的應用

2.1基于知識庫的VTE-CDSS

2.1.1VTE風險評估 由于VTE發病隱匿，早期難以鑒別診斷，且病死率高、預后差，因此準確評估患者VTE發生風險，針對不同危險程度的患者給予相應預防措施，是降低血栓發生率的關鍵。針對不同基礎疾病的患病人群，世界各國學者及相關組織開發出多種血栓風險評估工具。臨床應用較廣泛的包括Wells評分表[12]、Caprini風險評估模型[13]、Padua風險評估表[14]。相比于紙質版評估工具，VTE-CDSS能夠有效節省評估時間，電子評估記錄保存便捷，并實現持續動態的監測，減輕醫護人員工作負擔。任宇飛等[15]將構建的VTE-CDSS嵌入到病歷系統，實現Caprini血栓風險評估自動化評分，系統通過動態監測患者的檢驗結果、會診、手術記錄等信息，每日對患者自動進行VTE風險評估，按照危險程度進行標記并向醫生小組發送預警信息。當患者被評為VTE高危或極高危時，系統通知相關科室進行影像學診斷，并開辟優先檢驗的綠色通道。該系統具有統一的評分標準，能夠對患者的客觀指標進行精準計算，在節約人力資源的同時也能夠避免人為評分的差錯，優化質控指標。

2.1.2VTE指南應用 為了指導臨床醫護人員對血栓進行規范的預防管理，相關組織與協會相繼發表血栓預防管理指南與專家共識，但血栓預防措施的實施不盡如人意，臨床實踐與指南推薦之間存在較大差距[16]。王曉杰等[17]對國內80所三甲醫院5 279名護士調查顯示，41.62%護士從未接受過血栓預防相關培訓，尤其是低年資護士對血栓物理預防和藥物預防的知識與技能欠缺。通過將電子病歷中患者信息與知識庫內容進行對比，CDSS可按照指南條例生成規范標準的參考建議，并提醒醫護人員進行相關操作。Zhou等[18]在開發的CDSS中植入美國胸科醫師協會血栓防治指南，CDSS被激活后會定期評估患者VTE和出血風險，并按照指南的循證證據提供恰當的物理、藥物預防等建議，使用CDSS后VTE發生率相對降低了19.35%，醫護人員指南依從性明顯增加。CDSS在增加指南應用依從性的同時，并沒有增加醫護人員的工作負擔。伊朗一項研究顯示，醫生及護士普遍認為CDSS能夠有效降低院內VTE的發生，并對日常使用CDSS態度積極[19]。

2.1.3VTE抗凝治療 抗凝治療是VTE預防和治療的重要方法，但在抗凝的同時也增加了出血風險，嚴重的出血并發癥會危及患者生命。安全用藥是保障患者健康的重要前提，抗凝藥物多種多樣，其使用劑量、方法、禁忌證等均存在差異，臨床工作環境又極為復雜，醫護人員在用藥時難免出現差錯[20]。CDSS能夠將患者信息與知識庫內容進行對比，經過計算提示用藥建議和提醒，以提高用藥安全性并減少用藥費用[21]。為了減少使用抗凝藥物的風險，Ahuja等[22]組建多學科抗血栓小組并構建藥物管理的CDSS，該系統包含基于患者年齡、體質量和腎功能的藥物劑量建議、藥物使用方法、監測參數等，應用CDSS管理藥物的使用后，提高了患者服藥劑量依從性及高風險藥物的安全性和有效性。Woller等[23]對2 591例服用華法林的抗凝患者研究顯示，患者發生任何關于藥物使用的特殊事件都會被記錄在CDSS中并觸發警報，根據治療效果區分層級，從而規范抗凝藥物的使用，保障患者用藥安全。

2.2基于非知識庫的VTE-CDSS

2.2.1VTE診斷 靜脈血管造影是目前診斷深靜脈血栓(DVT)的金標準，但其侵入性操作對患者創傷較大且費用高，因此不是各大指南推薦的常規診斷方法。靜脈彩色多普勒超聲因其敏感性和準確性均較高，是DVT篩查常用的影像學檢查方法，但其在多數科室并非常規配備，骨科、婦產科等血栓高危科室患者行動不便，增加了檢查難度。因此，部分研究者建立基于機器學習算法的VTE-CDSS。Fong-Mata等[24]基于人工神經網絡反向傳播算法和改良Wells標準構建DVT診斷模型，并通過數據增強技術訓練模型，經驗證該模型對59例患者的診斷精確率高達98.3%。Willan等[25]回顧性分析7 080例疑似DVT患者資料，開發人工神經網絡模型，其中5 270例患者資料用于開發算法，1 810例患者作為訓練集對算法進行測試；模型采用二分類前饋人工神經網絡，由13個自變量(年齡、性別、D-二聚體和WELLS評分的10個條目)的輸入層，8個神經元組成的隱層和1個輸出層組成，輸出結果為0～1的數值，結果越接近1代表患者患DVT的概率越大；研究結果顯示，該模型無需彩超輔助即可判斷DVT發生與否，并保持低的假陰性率，與使用隨機森林和支持向量機構建的模型對比，該模型也展示出性能的優越性。

2.2.2VTE復發風險評估 患者發生血栓后所需抗凝治療時間目前仍存在爭議，且由于VTE本身特性和患者服藥依從性低，VTE復發率較高[26]。DASH評分[27]、Vienna模型[28]、HERDOO2評分[29]是目前使用較多的VTE復發預測工具，但不同模型納入的危險因素及適用人群差異較大，且僅適用于無誘因血栓患者，無普遍適用性。為進行更精準的VTE復發預測，Timp等[30]基于現有預測模型及2個大規模隊列研究開發了包括4個版本的血栓復發預測模型，適用于除癌癥外的所有患者，將其植入電子病歷能夠有效實現血栓復發風險分層。國內尚無VTE復發模型構建的研究，VTE-CDSS的逐漸應用使臨床數據更加便捷可用，為我國血栓復發模型的構建提高了可行性。

3 小結

VTE-CDSS的使用有效提高VTE管理效率和水平，減輕醫護人員工作負擔，減少人為差錯的發生，保障了患者生命安全。但VTE-CDSS仍然存在問題有待解決，大多數系統均為醫院單獨設計開發，其構建過程也非公開透明，缺乏行業公認的高質量CDSS，且難以做到多中心驗證及數據共享，不利于更新升級。其次，缺乏針對各專科的VTE-CDSS，骨科、ICU、婦產科等均是發生VTE的高危科室，不同科室患者VTE的危險因素雖有相同之處，但預防措施、管理要點等又各有不同，非專科的VTE-CDSS難以完全適用各個科室。因此，加強數字化平臺建設和各醫療機構合作，實現數據共享，從而合理利用臨床大數據，建設統一的管理使用平臺是進一步完善VTE-CDSS的關鍵。