1、臨床決策支持理論與方法 教學目標 2 1 了 解 什么是臨床決策？ 為什么需要CDSS？ CDSS的發展歷程？ 如何評價CDSS？ CDSS的法律與倫理問題？ 2 掌 握 臨床決策的依據？ 臨床決策支持模型？ 醫學知識獲取策略？ 醫學知識建模方式？ 3 熟 悉 什么是CDSS？ CDSS的類型？ 3 教學內容 臨床決策理論方法 臨床決策支持系統 臨床決策理論方法 4 診斷決策理論方法 1 治療決策理論方法 2 什么是臨床決策？ 5 v臨床決策 臨床數據不完整 治療結果不確定 1岳超源.決策理論與方法M.北京:科學出版社,2003. 2 Shortliffe EH, Cimino JJ(著),羅

2、述謙(主譯).生物醫學信息學（第3版）M.北京:科學出版社,2011. 醫療衛生人員常常面臨困難的選擇 v決策 進行選擇的行動或行動的結果。 作決策（decision making）即制定決策的過程。 基本情況：李某，男，33歲 病史：左腿血管中曾有過血栓 主訴：近5天左腿疼痛并腫脹。 體檢結果：左腿無力并腫脹至 小腿一半處可能有深層靜 脈血栓癥的跡象。 B超檢查：血流異常，但無法 判斷是否有新的血栓 應該按照血栓來治療李先生嗎？ 6 6 信息 診斷 治療 數據 臨床醫生主要面臨哪些決策？ 診斷決策： 當患者可能患有某病時，選擇什 么檢驗檢查來確診或排除該??？ 當檢驗結果呈陽性或陰性時，是 否

3、能確診或排除某疾??？ 治療決策： 當治療結果不確定時，如何選擇 治療方案？ 觀察 決策 計劃 病人 擁有足夠的知識 充分的病人資料 7 為什么需要計算機輔助？ 可作出正確的判斷 不需要計算機輔助 v需要計算機輔助的情況 人有時會犯錯誤或失誤（復雜病例和常見病例都會出錯） 臨床醫生的知識更新無法與急劇增長的醫學知識同步 對大批量的常規決策工作，自動化決策效率更高（如心電圖分析） 醫療衛生機構可能要求一些臨床項目既提高醫療質量，又降低費用 8 正向關系： 疾病癥狀 反向關系： 癥狀疾病 科學研究 臨床觀察 診斷決策 機器學習決策模型 機器推理 特征選擇 人類學習與機器學習 特征：體征、癥狀、測量值

4、和診斷檢驗結果的統稱。 分類：根據對象的特征，將對象歸為不同的類。 如把具有某些特征的患者歸為“患有某種疾病”。 分類 v指導性學習 9 人類學習與機器學習 病人1 疾病A 特征1 特征2 特征3 特征4 病人2 疾病B 特征4 特征5 特征6 特征排序 訓練集 或 學習集 疾病A 特征1 特征3 特征2 特征4 疾病B 特征5 特征6 特征4 統計學方法等 知道每個病人的疾病、 健康狀態及特征 選出各種疾病的最佳判別特征 v非指導性學習 10 人類學習與機器學習 病人1 特征1 特征2 特征3 特征4 病人2 特征4 特征5 特征6 聚類 訓練集 或 學習集 疾病A 病人1,3 特征1 特征

5、3 特征2 特征4 疾病B 病人2 特征5 特征6 病人3 特征1 特征3 特征4 不知道什么疾病屬于什么病人 發現哪些特征能最好地 代表各種不同疾病 11 診斷檢驗修正概率初步診斷 診斷過程 面診、體檢 患某病的可能性有多大， 即先驗概率或驗前概率？ 經驗或文獻 收集更多信息，降低不確定性。 選擇哪種檢查，敏感度、特異度？ 患該病的可能性有多大， 即后驗概率或驗后概率？ 檢查結果 12 決策支持模型 決策模型 定量模型 （統計學模型） 定性模型 （啟發式模型） 指導性模型 非指導性模型 神經網絡 貝葉斯法 回歸模型 馬爾科夫模型 決策樹 邏輯推理 真值表 非參數劃分 專家系統 評論式系統 1

6、 J.H.van Bemmel, M.A. Musen(主編),包含飛,鄭學侃（主譯）.醫學信息學M.上海:上?？茖W 技術出版社,2002 13 v診斷依據患某種疾病的可能性 描述詞匯 很可能 醫生使用的描述詞匯與對應的概率 可能 不太可能 高概率 低概率 概率 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 1 Shortliffe EH, Cimino JJ(著),羅述謙(主譯).生物醫學信息學（第3版）M.北京:科學出版社,2011. 定量決策方法臨床概率估計 概率（p）：把醫生對某事件發生的可能性的意見表示為01的一個數字。 PA：事件A發生的概

7、率 PA-或P-A ：事件A不發生的概率 PA =1：事件A必然發生 PA =0：事件A不可能發生 PA+ PA-=1 PA，B或PA&B ：事件A和B同時發生的概率 A和B為獨立事件：一個事件出現的概率不影響另一個事件出現的概率，則 PA，B= PA PB PA|B：已知事件B發生，事件A發生的概率，即B發生的條件下A的概率。 14 臨床概率估計 例：腿腫的患者中有30%有血栓，則 P血栓|腿腫=0.3 15 v患病可能性定量指標患病概率 驗前概率：又稱前驗概率，是指經過面診和體檢，在 得到更多信息之前估計出的概率。 驗后概率：又稱后驗概率，是指經過檢驗或其它方式 獲取新的信息，對驗前概率進

8、行修正而得到的概率。 臨床概率估計 v主觀概率估計 啟發式認知經驗法則 16 估計驗前概率的方法 可用性：我們對一個事件概率的估計依賴于我們記起相似事件的難易 A能夠代表B或與B相似的程度 例：腿腫的患者屬 于患有血栓的患者 的概率有多大？ 代表性：客體A屬于客體B的概率有多大？ 錨定和調整：醫生對概率作一個初步判斷（錨定），然后依據進一步 的信息調整這個估計。 在估計驗前概率時，啟發式方法經常引入誤差。 v客觀概率估計 利用群體或群體的某一亞組中某疾病的患病率或臨床預測結果 臨床預測規則：對從對有某種特定診斷問題的患者的系統研究發 展而來，定義了醫生如何綜合使用臨床現象來估計患病概率。 17

9、 估計驗前概率的方法 例：56歲的Troy女士，4個月前心臟病發作，心率異常，在很差的醫療條件下， 正準備做擇期手術。Troy女士會得心臟病并發癥的概率是多少？ v依據降低不確定性的程度 18 選擇檢驗 1 Shortliffe EH, Cimino JJ.Biomedical Informatics(Third Edition)M.Springer,2006. v檢驗結果異常的判定 19 檢驗結果的22列聯表 健康人和患病個體檢驗結果的分布 多數實驗室報告一個“正常值上限”， 通常被定義為均值以上2倍標準差。 2.5%的健康個體會得到異常的檢驗結果。 真陽性（TP）：患有該疾病的患者得到陽性

10、檢驗結果 真陰性（TN）：未患該疾病的患者得到陰性檢驗結果 假陽性（FP）：未患該疾病的患者得到陽性檢驗結果 假陰性（FN）：患有該疾病的患者得到陰性檢驗結果 選擇檢驗 20 一 致 性 不 一 致 性 選擇檢驗 v檢驗性能的度量ROC曲線 21 特異度 敏感度 敏感度 特異度 疾病不嚴重 治療危險 疾病嚴重 治療可行 受試者工作特征（ROC）曲線 ROC曲線越靠近左上方， 檢驗的分辨能力越好 選擇檢驗 22 計算驗后概率的定量方法 v 陽性檢驗的貝葉斯定理 23 計算驗后概率的定量方法 v 陰性檢驗的貝葉斯定理 v貝葉斯定理的含義 疾病的驗后概率隨驗前概率的增加而增加 驗前概率低，陽性檢驗結

11、果影響大，陰性檢驗結果影響小 驗前概率高，陽性檢驗結果影響小，陰性檢驗結果影響大 24 計算驗后概率的定量方法 驗后概率與驗前概率的關系 假設：敏感度=0.90 特異度=0.90 (a)：陽性檢驗結果 (b)：陰性檢驗結果 1 Shortliffe EH, Cimino JJ.Biomedical Informatics(Third Edition)M.Springer,2006. 25 v貝葉斯定理的含義 計算驗后概率的定量方法 檢驗 排除疾病陰性檢驗的解釋 陽性檢驗的解釋 敏感度 特異度確診疾病 主要影響適用于 檢驗的敏感度和特異度對驗后概率的影響 (a)：敏感度=0.90， 特異度分別取

12、0.80， 0.90，0.98 (b)：特異度=0.90 敏感度分別取0.80， 0.90，0.98 1 Shortliffe EH, Cimino JJ.Biomedical Informatics(Third Edition)M.Springer,2006. v 為什么需要鑒別診斷？ 同一特征可能屬于不同的疾病，即不同疾病都具有該特征 26 單一特征的鑒別診斷 所有相關疾病發生的概率之和為1 特征R出現的概率等于其在不同疾病 條件下出現的概率之和 v模式識別 把一個對象集合分成許多不同類的應用技術 利用同類事物的相似性和異類事物的差異性 27 多特征診斷決策方法 學 科對 象目 的 細胞學

13、 遺傳學 心臟病學 神經病學 藥理學 診斷學 細胞 染色體 心電圖 腦電圖 藥物 疾病 識別癌細胞 核型分析 診斷心電圖 神經疾病識別 藥物治療監測 計算機輔助決策 模式識別技術在醫學各學科中的應用 v句法模式識別 v統計學模式識別 28 多特征診斷決策方法 已知：類別與特征 任務：將新對象歸類 指導性 模式識別 對象-聚群距離 聚群-聚群距離 非指導性 模式識別 （聚類） 已知：特征 不知：類別 任務：將對象分類 v指導性模式識別 通過特征在不同類之間的統計分布差異來識別類 理想的（不交疊的）特征分布往往并不存在 利用多維的非理想特征提高總判別力 特征向量：對象的特征集合，如對象A具有特征a

14、，b，c，則對 象A的特征向量為 A=a,b,c, a，b，c， 為該特征向量的分量 類的識別：基于類的向量分量的均值、標準差及分量之間的相關性 29 多特征診斷決策方法 學習階段： 測試階段： 特征抽取 再分類 已知類別 的對象集 建立分類規則 與已知類別比較 v指導性模式識別 最近相鄰法則 不估計類的條件概率，直接得到驗后概率 沒有真正的學習階段，學習集的所有對象均與其類成員關一起保存 缺點：需要極大的數據集，長時間的運算，且與特征值大小有關 30 多特征診斷決策方法 1-最近相鄰法則：找出一個最近相鄰的對 象，新對象歸到該最近相鄰對象所在類 q-最近相鄰法則：找出q個最近相鄰的對 象，這

15、q個最近相鄰對象中大多數屬于哪 一類，新對象就歸入該類 二維的最近相鄰法則圖示 v非指導性模式識別 31 多特征診斷決策方法 31 1 Shortliffe EH, Cimino JJ(著),羅述謙(主譯).生物醫學信息學（第3版）M.北京:科學出版社,2011. 對象-聚群距離：基于點與聚群之間距離的測量 K-means聚類： K-means聚類算法圖示 確定分幾類 K=? 重新計算每個 聚群的中心 隨機選K個種子點 （初始聚群的中心） 計算每個對象到 聚群中心的距離 將每個對象歸到 離它最近的聚群 32 v非指導性模式識別 聚群-聚群距離：基于聚群與聚群之間距離的測量 假設有N個對象，難點

16、是選擇聚群數量C（1CN） 聚集式 開始：每一個對象為 一個聚群 最相近的兩個聚群 合并為一個新聚群 分裂式 開始：所有對象屬于 同一個聚群 一個聚群分裂成兩個 聚集式聚類結果 可用系統樹圖表示聚類過程 聚類過程的系統樹圖 多特征診斷決策方法 33 定性診斷決策方法 三種策略 同時應用所有微決策 順序應用微決策 以條件行動規則 運用微決策 決策表（真值表） 流程圖（決策樹） 規則推理法 定性方法：一般缺乏形式化的數學基礎，可能是受人類推理的啟發， 也可能是人類推理的感知。 啟發式方法：借助于符號模型進行邏輯推理而解決問題的辦法。 34 定性診斷決策方法 邏輯變量所代表的含義 E1所有RR間期均

17、規則 E2所有QRS波形相同 E3QRS時間120ms E4心率100次/min E5出現P波 E6心率40次/min E7導聯P波陰性，aVR導聯P波陽性 E8P波數/QRS復合波數1.1 E9P波數/QRS復合波數1.1 E10PR間期規則 E11PR間期200ms E12導聯和aVR導聯外的導聯現P波 診斷D所代表的含義 VT室性心動過速 IVR特發性心室律 NR結性心律 AV1一度房室傳導阻滯 WB起搏點飄逸或Wenckebach 或房室律分離 AV2二度房室傳導阻滯 AV3三度房室傳導阻滯 SA竇性心律 35 規則E1E2E3E4E5E6E7E8E9E10E11E12診斷D 1TTT

18、TFdddddddVT 2TTTFdTddddddIVR 3TTFdFddddddFNR 4TTFdTdTdddddNR 5TTFdTdFTddddAV1 6TTFdTdFTdFddWB 7TTFdTdFFTdddAV2 8TTFdTdFFFdddAV3 9TTddTFFTFTFdSA 定性診斷決策方法 v 心律失常診斷的真值表 T：真（True） F：假（False） d：無關 v流程圖 用結構的方法顯示每一條規則按順序過程作估計 36 定性診斷決策方法 菱形：基本決策單元，上方為輸入，下方為輸出 輸入：與前一個基本決策單元相連接 輸出：只能為真或假優點：不需要處理所有輸入 的組合，比真值表

19、效率高 缺點：決策過程刻板，難以 回頭；模型訓練難 非參數分區算法（NPPA）： 類似于按照特征的判別力對特征進行排序， 有助于借助學習集構建流程圖 37 定性診斷決策方法 38 v治療方案選擇依據患者的理想健康狀態 臨床治療決策 健康效用（health utility） 定量度量 生命的長度：生存時間 生命的質量：良好健康狀態 要冒的風險：手術風險、藥物副作用等 質量修正生命年（QALY）：良好健康狀態的存活時間。 在醫學決策分析和衛生政策的制定中被普遍用作健康效用（價值）的度量。 39 v期望值決策 創建決策樹設計決策問題、分配概率、度量結果 計算每種備選決策的期望值 選擇期望值最高的備選

20、決策 用敏感度分析檢驗分析的結論 臨床治療決策 4 個 步 驟 患者Dandy先生是一位66歲的老年男性，雙膝患有嚴重的關節炎，以致他必須借助 拐杖或輪椅行走。他同時患有肺氣腫，這是一種肺失去了在血液及空氣中交換氧氣 和二氧化碳的疾病，因此會導致氣短（呼吸困難）。他坐輪椅時可以舒服地呼吸， 但是拄拐杖行走所耗費的氣力使他劇烈喘氣并且很不舒服。幾年前，他認真考慮了 膝關節置換手術，但是決定不做，主要因為他的內科醫生說風險很大，他的肺病可 能會使他下不了手術臺。然而，最近Dandy先生的妻子中風而且部分癱瘓，她需要 的幫助是Dandy先生目前的運動狀態所無法提供的。因此，Dandy告訴他的醫生他

21、重新考慮做手術。 案例 40 臨床治療決策 治療結果的 不確定性 Dandy的肺病可能使他下不了手術臺 手術不一定能把運動能力恢復到 Dandy所需要的程度 患者的手術承受能力 手術不一定能實現 患者的需求 假體可能發生感染 若發生感染，Dandy會有經歷第2次 手術來摘除假體的風險 二次手術的風險 可能導致死亡； 即使存活，也將只能依靠輪椅行走 存活時間（年）功能狀態 QALY 10 10 10 0 充分運動能力（手術成功） 不良運動能力（現狀或手術失敗） 被禁錮于輪椅（需二次手術的結果） 死亡 10 6 3 0 選擇相似患者 中平均結果最 佳的那個選擇 期望值決 策的核心 41 臨床治療決

22、策 D B A C 不良運動能力 死亡 死亡 被禁錮于輪椅 充分運動能力 不良運動能力 不良運動能力 手術 未手術 手術死亡 存活 感染 未感染 手術死亡 存活 充分運動能力 結果功能狀態QALY 0 3 0 10 6 6 期望值：把每種可能結果相關聯的生存時間（或QALY）的值乘以這種結果出現的概率，然后 把所有生存時間（或QALY）和概率的乘積加和。 手術的期望值E(D)=7.7QALY V.S. 未手術的期望值=6QALY v 膝關節置換手術的決策樹 v 決策分析結果的可靠性分析 需回答的問題：當概率和結果估計被賦予合理范圍內的其他值時， 關于優先選擇的結論會發生變化嗎？ 敏感度分析：在

23、一個寬泛的概率和效用（或價值）的假設范圍內， 對結論的可靠性的檢驗。 42 臨床治療決策 手術死亡率對期望QALY 的影響的敏感度分析 充分運動能力的概率對期望 QALY的影響的敏感度分析 如果概率和結果度量的 假設值在廣泛的范圍內 取值，分析的結論保持 不變，那么決策分析的 結果是值得信賴的。 v長期健康結果決策馬爾科夫模型 43 臨床治療決策 1 Shortliffe EH, Cimino JJ.Biomedical Informatics(Third Edition)M.Springer,2006. 指定患者可能會經歷的健康狀態組指定轉移概率，即一個人在特定的 時間段后從一種健康狀態轉移

24、到另 一種健康狀態的概率 計算一個人在未來的任何時間 處于每一種健康狀態的概率 圓圈：可能經歷的健 康狀態 箭頭：健康狀態間允 許的轉移 與決策樹聯合使用， 把干預的作用當成 狀態轉移 v 分析患者癥狀后懷疑其患有某種疾病的醫生有三個選擇： 44 關于治療、檢驗或不做處理的決策 三 個 選 擇 不做進一步處理（即不做進一步檢驗、也不治療） 在選擇治療還是不做處理之前，獲得更進一步的信息（做檢驗） 不再收集信息，進行治療。 確定治療閾值概率，即治療或不治療期望結果毫無差別的患病概率 確定疾病的驗前概率 若：驗前概率治療閾值概率，做檢驗并在結果陽性時治療 否則考慮第三步 確定檢驗結果能否影響治療決

25、策 若：驗后概率治療閾值概率，做檢驗并在結果陽性時治療 否則不做檢驗、也不治療 三 個 步 驟 v治療閾值概率計算 決策樹 假設治療和不治療的期望效用相等， 計算出治療閾值概率 45 關于治療、檢驗或不做處理的決策 閾值概率方程 治療 害處大益處小，閾值概率高 益處大害處小，閾值概率低 關于治療、檢驗或不做處理的決策 46 1 Shortliffe EH, Cimino JJ. Biomedical Informatics(Third Edition)M.Springer,2006. v HIV感染的 檢驗或治療決策 HIV+：實際感染了HIV HIV-：實際未感染HIV “HIV+”：檢驗結

26、果陽性 “HIV-”：檢驗結果陰性 QALE：期望質量修正生命年 PCR：聚合酶鏈反應檢驗 臨床決策支持系統 47 臨床決策支持系統的概念1 臨床決策支持系統的發展歷程2 臨床決策支持系統的種類3 臨床決策支持系統架構與關鍵技術4 5 臨床決策支持系統的未來發展6 典型臨床決策支持系統介紹 v What is Clinical Decision Support System （CDSS）？ 48 臨床決策支持系統 幫助醫療衛生專業人員進行臨床決策的 任何計算機程序。 包括儲存、提取或輸出醫學數據或知識 的所有計算機系統。 廣義 1 Shortliffe EH, Cimino JJ(著),羅述謙

27、(主譯).生物醫學信息學（第3版）M.北京:科學出版社,2011. 根據兩項或兩項以上病人數據，主動生成針對具體病例的建 議的知識系統。 臨床決策支持系統（CDSS）的主要成分： 醫學知識、病人數據、對具體病例的建議 狹義 2 J.H.van Bemmel, M.A. Musen(主編),包含飛,鄭學侃（主譯）.醫學信息學M.上海:上?？茖W 技術出版社,2002 v信息管理工具 提供數據和臨床醫生所需要的知識，但一般不幫其應用某特定的 信息以完成決策任務。 如：臨床信息系統、信息檢索系統、專業知識管理工作站等 v引起關注工具 提醒用戶可能被忽略的診斷、藥物配伍禁忌等問題 如：標志異常值的實驗室

28、系統、警示配伍禁忌的藥房系統 v提供針對患者建議的工具 基于針對患者的數據集合，提供專門為用戶設計的評估或建議 49 計算機在臨床決策支持中的作用 50 臨床決策支持系統的發展歷程 Phase 1: Stand-alone System Phase 2: Integrated System Phase 3: Standards- based System Phase 4: Service Models 1959 Ledley & Lusted 1961 Warner 1967 HELP 1969 Bleich 1971 Leeds 1975 Mycin 1982 Internist QMR 1

29、983 Attending 1986 Dxplain 2003 Isabel 1973 RMRS 1989 Arden 1998 GLIF 2003 GELLO 1998 CPRS 1994 WizOrder 2005 SAGE SEBASTIAN 2007 SANDS 1 李包羅,傅征.醫院管理學信息管理分冊M.北京:人民衛生出版社.2011. 1993 EON v 按應用模式 提示提醒型 評判型 建議型 自主型 51 臨床決策支持系統的種類 v 按知識表達方式 基于決策樹 基于貝葉斯規則 基于產生式規則 基于人工神經網絡 v 按醫學領域或疾病 普通內科決策支持 外科決策支持 腹痛決策：Le

30、eds系統 感染決策：Mycin系統 v決策類型 用于診斷決策 用于治療決策 v提示提醒 集成到臨床信息系統（或電子病歷系統）的臨床決策支持系統 基于簡單的邏輯判斷，對臨床信息進行主動的提示和提醒 52 臨床決策支持系統的種類 疾病感染監測系統 抗生素治療監測系統 術前抗生素監測系統 抗生素使用時間監測系統 藥物副作用事件監測系統 藥物劑量監測系統 化驗報警系統 主要 應用系統 典型代表：HELP系統 1967年問世，第一個提供由數據控制 的提示提醒功能 監測模塊、邏輯決策機制 呼吸系統疾病治療合理性檢查報警系統 臨床實驗室異常檢查判斷處理系統 用藥合理性檢查報警系統 傳染病監控系統 v評判型

31、 事先根據相關信息生成一個決策建議，如果醫生的決策與之不符，則 給出決策建議。 適于醫生愿意自己決策，并需要系統確認或評價，以輔助其修正決策 與提示提醒系統的不同之處：提供和用戶的對話交互。 53 臨床決策支持系統的種類 輸血醫囑下達系統 合理用藥系統 典型代表：Attending系統 1983年問世，美國 獨立程序 評價麻醉師對具體病例的麻醉劑 選擇、吸入和給藥計劃 主要 應用系統 v建議型 基于決策模型對患者狀況進行推理，給出建議，供醫生參考 系統獨立、被動 醫生需知道何時需要建議，并主動訪問系統 醫生需輸入數據描述案例，并請求建議 允許醫生控制系統的推理 54 臨床決策支持系統的種類 典

32、型代表： 基于貝葉斯原理的Leeds腹痛診斷決策支持系統 基于規則的Mycin感染管理系統 基于貝葉斯原理的快速醫學查詢系統（QMR） v自主型 與提示提醒、評判、建議系統的區別 由系統直接采用建議 應用領域 麻醉、呼吸機控制、給藥系統等 主要功能 定時測定某些參數，決定是否實施當前治療。 一旦發現參數改變，系統自動啟動輸液泵或呼吸機的設置， 將監測的參數控制在目標范圍內。 主要危險 設備或傳感器失常也可能導致監測的參數異常 55 臨床決策支持系統的種類 56 臨床決策支持系統的通用架構 數據中心 Data Center 知識庫 Knowledge Base 用戶界面 User Interfa

33、ce 推理引擎 Inference Engine 解釋器 Explanation Module 知識獲取系統 Knowledge Acquiring System 用戶 User 知識工程師 Knowledge Engineer 1 李包羅,傅征.醫院管理學信息管理分冊M.北京:人民衛生出版社.2011. v患者數據獲取與驗證 v醫學知識獲取與驗證 v醫學知識表示與推理 v與臨床工作流程結合 v系統性能評估 57 臨床決策支持系統的關鍵技術 v 所有這些方法都具有局限性 v 開發有效技術以準確、完整、有效地獲取患者數據非常具有挑戰性 v 超越數據錄入的主要障礙 缺乏標準的計算機可理解的表達大多

34、數臨床情況的方法 電子病歷是不完整的信息來源，可能未包括具體患者的某些必要數據 58 患者數據獲取 數 據 錄 入 技 術 鍵盤輸入 語音輸入 將臨床醫師與計算機分開 可掃描的表格 實時數據監測等 v不同來源知識的獲取 59 醫學知識獲取 臨床專家 （經驗性知識） 通過傳統的系統分析專家和臨床專家的交流獲取 由臨床專家應用知識編輯程序直接在知識庫中創建知識 醫學文獻 （科學知識） 專業人員根據對某一專題發表的材料進行廣發查閱 如：Meta-分析、臨床指南 RRS定制：預存檢索式，訂閱（自動獲?。┫嚓P的文獻 自然語言處理：自動定位提取相關信息、智能檢索、 文本生成、機器翻譯等 60 醫學知識表示

35、與推理 v 知識表示 運用一系列的符號將知識表示成計算機可理解的形式 v 知識表示方法 If-Then規則（Rule）：編碼醫學邏輯模塊的Arden語法 框架（Frames）：A data Structure that Served as a template to describing a recurring pattern in the word. 超越規則的抽象：啟發式分類（特征抽象啟發式配對決策方案細化） 知識獲取和設計結構（Knowledge Acquisition and Design Structure，KADS）：將知識的概念化和工作系統的結構分離 問題解決方法（Problem

36、-Solving Methods）：與專業無關的解題策略 本體（Ontology）、語義網絡（Semantic Network） 61 與臨床工作流結合 接診中接診后接診前 回顧患者的健康指標概要 詢問病人相關信息 回顧相關疾病知識 提醒患者（例如，保持健康） 幫助患者完成相關信息和決策 疾病評估：收集信息（病歷或病人）、檢驗、診斷咨詢、診斷和鑒別診斷 安排和執行治療計劃：藥物選擇、非藥物治療干預、跟蹤結果、調整計劃 患者教育：病情與治療決策交流、患者自我照料、執行說明 藥物分發 藥物管理（配伍禁忌、存放條件等） 告知患者檢驗結果與治療計劃 告知患者注意事項 系統發送臨床數據報告給醫生 1 O

37、sheroff J, etl. Improving Outcomes with Clinical Decision Support: An Implementers GuideM. Productivity Press, 2005. 字段不一 單位不一 格式不一 術語不一 不完整 v隨機對照實驗（Randomized Controlled Trial，RCT） 62 決策支持系統性能評估 要評價的干預措施是什么？ 與什么對比？ 如何隨機？ 怎么比較？ 核 心 問 題 隨機 選取病例 專家制定 診療金標準 專家制定 評估答卷 評估者與病例 交叉分組 臨床人員 人工診療 決策支持 系統診療 統計學

38、 對比分析結果 專家打分 根據金標準 基本原理：將滿足條件的研究對象隨 機分配到試驗組和對照組，使非研究 因素在試驗組與對照組中達到均衡， 則試驗結果差異可歸結于干預措施。 v診斷：基于貝葉斯原理的Internist-1/QMR系統 v患者管理（治療）：基于指南的EON系統 63 典型臨床決策支持系統介紹 匹茲堡大學醫學院1970s開發，后發展為快速醫學參考（QMR） 最初目標：對一般內科診斷建模 包含知識：近600種疾病、約4500種相關臨床發現或疾病表現， 平均每種疾病與85種臨床發現相關 知識庫創建與維護：創建每個疾病需1020天 64 診斷：Internist-1/QMR系統 選擇 新

39、的疾病 廣泛檢索文獻 列出臨床表現 咨詢專家與 診療人員 補充信息 特征普草稿 （臨床表現與 關聯診斷） 高級醫師 審核草稿 特診普 添加到知識庫 復雜病例 系統測試 典型病例 系統測試 每23年重復一次 v特別的計分方法反映具體癥狀和疾病之間的關系強度 65 診斷：Internist-1/QMR系統 FW含 義 1很少在該病中發生 2較少在該病中發生 3約在1/2的病例中發生 4在絕大多數病例發生 5 在幾乎所有比例中發生， 即這是診斷的一個先決條件 臨床表現的頻率權重（FW） ES含 義 0非特異性，該表現經常用于鑒別診斷 1該疾病是罕見或不尋常的原因 2一小部分由該疾病引起 3該疾病是最

40、常見但并非壓倒性原因 4該疾病是主要原因 5 是該疾病的特異性表現，有該癥狀的 患者都患有該病 臨床表現的激發強度（ES） 1 Shortliffe EH, Cimino JJ(著),羅述謙(主譯).生物醫學信息學（第3版）M.北京:科學出版社,2011. 66 1 Shortliffe EH, Cimino JJ(著),羅述謙(主譯).生物醫學信息學（第3版）M.北京:科學出版社,2011. 診斷：Internist-1/QMR系統 v特別的計分方法 臨床表現的重要性（FW） 一些臨床表現有一定的含義，需要解釋；而另一些則可以忽略。 FW含 義 1通常是不重要的，常發生在正常的人，且很容易被

41、忽略 2也許重要，但往往被忽視，其出現的情景很重要 3中等重要，但對任何具體的疾病可能是不可靠的指標 4很重要，只能偶爾被忽略（如假陽性結果） 5表現必須由最后的診斷解釋 v診斷實例（包含飛，書上表） 67 診斷：Internist-1/QMR系統 v復雜病例系統測試 測試集 來自主要臨床雜志的19例診斷困難的病例，共有43個診斷。 68 診斷：Internist-1/QMR系統 診斷者正確識別診斷數 Internist-125 教學醫院的醫生28 專家討論組35 診斷者及結果對比 盡管判錯了幾個較難的病例，但這19 個病例幾乎涵蓋了普通內科的所有臨 床問題，其他的診斷程序都只能處理 其中的一

42、小部分。所以使用簡單知識 結構和權重方案的Internist-1的診斷 性能是令人印象深刻的。 vInternist-1向QMR的轉變（1980S） 69 診斷：Internist-1/QMR系統 Internist-1QMR 應用條件只能在大型主機式計算機上使用可在個人計算機上使用 功能 專家咨詢系統 只提供對具體病例的診斷建議 專家咨詢系統 提供對具體病例的診斷建議 可作為電子教科書 列出所指定疾病的患者特征 可作為醫療電子表格 結合一些臨床特征或疾病，并確 定其關系 vClinical Practice Guidelines 系統性制定的診療說明，以幫助醫生和患者對具體臨床情況做出 合適

43、的醫療保健決定 通常代表醫學專家關于在有限或較長時間內，對具有特定臨床問 題、需要或病情的患者進行篩查、診斷或管理的一種共識 v 應用適當的臨床實踐指南是改進醫療質量的最好方法 v 基于指南的臨床實踐涉及 長期收集和解釋大量數據，階段式應用標準的治療或診斷計劃， 并在必要時調整計劃 70 患者管理：基于指南的EON系統 1 Shortliffe EH, Cimino JJ. Biomedical Informatics(Third Edition)M.Springer,2006. v自動化有助于： 編寫與維護指南 檢索適于每個患者的指南 v臨床指南知識表示方法（李包羅，書上圖） 71 患者管理

44、：基于指南的EON系統 實時應用指南 回顧性評價指南應用的質量 1 Shortliffe EH, Cimino JJ. Biomedical Informatics(Third Edition)M.Springer,2006. v 斯坦福大學于1990S初開始研發，旨在幫助醫護人員根據協議或臨 床實踐指南照顧正在接受治療的患者 v 第二代基于知識的系統，本身不能運行，需嵌入臨床信息系統 72 患者管理：基于指南的EON系統 EON的體系結構 治療計劃 組件 合適協議 確定組件 數據庫 中介 患者 數據庫 協議 知識庫 領域 模型 臨床 信息 系統 1 Shortliffe EH, Cimino

45、 JJ. Biomedical Informatics(Third Edition)M.Springer,2006. vEON應用：通過組件的組合與匹配以創造不同的決策支持功能 73 患者管理：基于指南的EON系統 1 Shortliffe EH, Cimino JJ. Biomedical Informatics(Third Edition)M.Springer,2006. 治療 計劃 組件 合適 協議 確定 組件 乳腺癌 協議知識庫 + 艾滋治療幫助系 統THERAPY HELPER的 決策支持模塊 功能 根據電子病歷 中患者信息， 確定合適的醫 療協議，或按 事先確定的協 議顯示應給予