当前位置: AI资讯 > 内文

朱立峰:认知时代的CDSS如何突破应用壁垒?

2020-4-23 关键词:专家视点

数据爆炸式增长与知识图谱技术的进步,加速了临床决策支持系统(CDSS)在医疗领域的渗透,提供给患者精准、个性化医疗,为医院信息化走向认知时代带来变革机遇。但如何有效推进CDSS的落地应用,仍是人们关注的焦点。

“目前医院需要的不是一个IT产品,而是上线即可用的成熟的临床辅助决策服务,既有让医生可信的循证知识体系,又具备整合临床信息的技术能力。”上海交通大学医学院附属瑞金医院计算机中心副主任朱立峰表示,AI辅助决策是认知医疗的核心,对医疗服务、医院管理进行重构升级,但解决其“可解释性”与“标准化”问题,才能广泛地应用于临床。

CDSS的“可解释性”与“标准化”是应用关键

在我国医疗现状、顶层设计、海量数据等的驱动下,国内CDSS发展迅速并衍生出多元化的临床应用场景,成为医疗资源的“放大器”。朱立峰表示,CDSS最重要的应用价值是通过临床诊疗全过程的质量控制提高临床规范,减少医疗偏差,帮助医院实现优质、高效的医疗质量管理,“以我院VTE防治为例,CDSS在医生临床行为出现偏差时及时给予警示,系统的自动化评估也减轻了医生工作量。”

创新应用场景与服务是我国CDSS发展的突出优势,但在知识体系的构建上亟需加快步伐。医学领域将临床实践、医学知识等以文献方式留存已是成熟的实践,但形成体系的临床知识沉淀尚属少数,较具代表性的有美国的梅奥知识体系、英国的BMJ临床实践,而国内在完整性、标准化临床知识体系的建设上尚处于起步阶段。知识图谱是CDSS进行计算推理的基础,其知识来源是医院与临床关注的重点。

“CDSS应该具备标准化的知识体系,或至少能解释知识的出处,医学讲究循证证据,循证要有出处。”朱立峰表示,确保知识体系的可解释性,让临床医生能够了解知识的“出处”,才会持续信任系统推送的知识提示,并乐于在临床业务中使用CDSS,促进CDSS的价值落地。此外,系统知识需要持续更新,以弥补医生医学知识的局限性。医疗是知识密集性行业,到2020年医学知识的数量将在73天内翻一番,持续更新的知识图谱才能支持有效、合理的临床决策。

CDSS的落地应用还需解决系统集成问题。AI通过集成医院各个信息平台的数据进行分析,这考验系统的信息整合能力,且医院临床信息存在大量非结构化文本,需基于AI技术进行后结构化处理。为实现稳定和满足应用的集成交互目标,应建立系统集成与应用交互的标准。

构建知识驱动型的临床信息系统

从独立的专家知识库,到与临床深度融合的高级决策支持,CDSS在不同阶段的迭代过程中,改变了医生的知识获得方式,重塑医院的竞争战略与医疗能力。朱立峰认为,随着医学与AI技术更深度的融合,CDSS将往知识驱动型的临床信息系统方向进阶:

一是相对于目前仅面向特定业务或专科的应用,CDSS的应用场景将从“点”到“面”,全面地覆盖更多的临床专科;二是知识体系的构建及与临床信息系统的对接趋向标准化,可通过医联体建设将纳入大型医院知识体系的CDSS推向中小型医院;三是建立统一的决策支持平台,能够纳入不同CDSS产品的知识体系,使交互界面的智能提醒工具归一化,减轻医生的点击负担。

“我们还提出一个理念,希望建立一个知识驱动型的临床信息系统,结合病历数据化、辅助决策等功能,对医生的每一步决策都做出提醒与工作流程引导。”朱立峰表示,在这样一体化的平台下,CDSS、电子病历、电子医嘱等概念或会消失,真正的实现AI与临床流程无缝贴合,因为“最理想的人工智能是不可见的工作流程”。

成为我们的

合作伙伴

医院演示预约
提交以下真实信息,我们将尽快联系您