医生水平的局限性、人为差错的增加、医疗费用的不断上升，为各国的医疗系统带来了巨大的困扰。近几年，随着医疗行业科技化、信息化程度的逐步提高，临床决策支持系统（clinical decision support system）受到了越来越广泛的关注。

作为医学知识工程和人工智能研究中的活跃分支，各种新型的临床决策支持系统正在不断被开发出来，旨在改变传统的依赖医生经验和检验指标的诊断模式，实现智能化的临床决策指导，为医疗质量提供保障。

什么是CDSS？

据统计，美国每年因用药差错而死亡的人数约4.4 ～ 9.8 万人，而因此带来的经济损失约170 ～ 290 亿美元。根据美国科学院2006 年的调查，每年发生在医院内可避免的、与用药有关的患者伤害约40万例，在院外（包括诊所）发生的约53万例。实践表明，缺乏完整和共享的居民健康信息，造成重复诊断是卫生支出快速增长的重要因素，而缺少足够的决策支持导致用药不当或操作不当是多数医疗差错甚至责任事故发生的主要原因。

随着计算机、网络通信等技术的飞速发展，临床医生、医疗机构管理者、卫生政策制定者都越来越希望得到信息技术提供的决策支持服务。尤其是数据挖掘、联机分析处理、人工智能这些新技术的发展和应用，为临床决策支持系统的实现提供了技术条件。

临床决策支持系统即CDSS，是一个基于人机交互的医疗信息技术应用系统，旨在为医生和其他卫生从业人员提供临床决策支持(CDS)，通过数据、模型等辅助完成临床决策。“临床决策支持系统”的概念仍在不断更新，目前主流的工作定义是由健康证据中心的罗伯特·海沃德提出的：“将临床观察与医疗知识联系起来，从而影响医生的方案选择，提高医疗服务的质量和效果。”

临床决策支持系统也是人工智能在医学中的重要运用。有人认为，将来一般疾病的诊治可以完全交给临床决策支持系统。临床决策支持系统较为典型的有：医生医嘱录入系统、MYCIN 医疗诊断专家系统、快捷医疗参考系统、逻辑健康评估系统、药物疗法筛选系统等。

CDSS的应用

早期的新型临床决策支持系统，通常仅被用于帮助医生做诊疗决策。临床医生首先输入信息，然后等待系统输出分析后的“正确”决策，最终通过判断，选择那些系统输出的候选方案是否可行，以此指示决策。

新型的决策支持理论强调了医生与系统之间的互动，综合利用医生的知识储备、丰富的临床经验以及系统对医疗数据的管理，帮助深入分析病人信息，从而做出最为恰当的诊疗决策。相比于单方面的医生或者CDSS系统本身，这种方式具有更大的优越性。特别的一点是，医生输入患者的资料后，临床决策支持系统可以据此输出相关信息并生成针对个体情况的定制方案以便临床医生浏览参阅，那医生就可以直接方便地选出其中有用的信息而删除那些错误的建议。

CDSS分类

CDSS按系统结构分为两类：

基于知识库

基于非知识库

大多数临床决策支持系统属于第一类，包括三个组成部分：知识库、推理机和人机交流接口。知识库存储着大量的编译信息，通常采用IF-THEN规则进行存储和管理。例如，关于药物的相互作用，规则可以写成 “IF服用了药物X，AND服用了药物Y，THEN显示警告信息”。高级用户也可以根据自身需要在另外的编辑界面中自定义知识库里的规则，比如对新药进行实时更新等。推理机则根据知识库里的规则对患者的资料进行自动整合、分析。人机交流接口则是将分析结果反馈给用户或者作为系统输入。

基于非知识库的临床决策支持系统多采用人工智能的形式，主要是通过机器学习从已有的经验中自动攫取规则。常用的构建方法有：向量机、人工神经网络、遗传算法等。

CDSS按使用时点分：

诊断前：帮助医生进行初步诊断准备。

诊断中：帮助医生回顾并筛选候选方案，以便完善最终的临床决策。

诊断后：挖掘患者既往病史和临床资料中数据的关系，帮助预测未来的健康状况。

CDSS的特征和功能

优良的临床决策支持系统具有如下特征：

自动推送结果，而无需用户激活系统；

整合入临床工作流程之中，而不是独立于其外；

基于电子系统，而非纸质系统；

在病床旁或就诊中使用，而不是在接触病人之前或之后；

提供推荐意见，而不是评估意见。

临床决策支持系统可以减轻临床医生的工作压力，降低临床工作的技术风险，提高患者满意度。

临床决策支持系统的主要功能包括：

1.提示：给医生提供相关的信息，帮助他们更好地决策，预防医疗差错，改善医疗质量和结果。

2.干预：分为5种，分别为警告、提醒；信息按钮；成组医嘱（医嘱套餐）；文档管理和格式；相关数据表达。

关于CDSS的研究

在一个100项涉及临床决策支持系统的研究中，有64%的研究认为它改善了医护人员的表现，有13%的研究认为它增强了患者的治疗效果。在另一个涉及70项临床决策支持系统的研究中，有68%的临床实验显示CDSS可以改进临床工作。

但是，也有很多医学从业人员对临床决策支持系统的应用并不乐观。 每五年进行一次的CDSS有效性评价调查结果于2014年发表，该文认为对临床决策支持系统的研究还有漫长的路要走。构想与现实之间还存在巨大的差距，临床决策支持系统在数字医疗技术和成本效益方面的优势还远远不够。

研究还发现，临床决策支持系统与电子病历（EHR）的结合在降低死亡风险方面并无明显效果。临床决策支持系统是否真的有效？专家们莫衷一是。也许在其他方面确实有一定好处，但尚无明显的证据。

面临的障碍与发展前景

尽管临床决策支持系统功能强大、使用便捷，但它在临床上的实际应用却并不多，主要有两方面的原因：一是知识库的构建不能满足临床医生的需求；二是大多数系统与临床工作脱节，在技术上没有与电子病历集成，导致系统提供决策支持的方式不符合临床医生的行为习惯，降低了临床医生使用的积极性。

医学知识的复杂性导致了系统设计时需要考虑非常多的患者因素，如症状、体征、实验室检查数据、家族史、基因、流行病学资料、现有的医学文献等等。同时新发表的临床研究数以万计，质量参差不齐，大量的数据导致了系统维护上存在困难。

而较为成功的临床决策支持系统往往局限于某个领域，覆盖范围有限。比如，1971年上线使用的Leeds腹痛诊断系统，其诊断的正确率高达91.8%，而医生的诊断正确率在79.6%，但这套系统仅能用于诊断腹痛。

临床工作流程的复杂性也增加了系统整合的难度。尤其是不少医院对于内外网有着严格的逻辑隔离甚至是物理隔离，进一步限制了一些在线CDSS的院内应用。目前大多数系统仍独立于临床工作流程，这导致了医生需要独立打开CDSS，然后花费时间录入患者资料，大量的警告信息使得医护人员疲劳应付，降低了工作效率。

目前整合比较成功的案例是药房系统和账单系统。因为药房工作相对简单，CDSS主要解决药物相互作用问题，比较容易设计。

有人认为，电子病历是医疗行业未来的主流方式，可以有效指导护士工作，保障患者安全。建立临床护理决策支持系统首先是建立知识库，再编制逻辑推理程序，与现有电子病历相整合。尽管电子病历系统能够获取、转换、显示和分析某些信息，但是，如果不能筛选和提炼信息，也将无法满足那些复杂的临床决策。在这一点上，临床决策支持系统正在进行下一步的发展。