临床决策支持系统（clinical decision support system，CDSS)起源于临床数据带来的信息风暴，正在逐渐改变医疗卫生的业务环境、工作习惯和思维方式。在门诊、住院及手术方案制订中，医疗决策正日益基于数据和分析而作出，而并非仅仅基于经验和直觉。

决策活动贯穿于整个医院组织中，不仅最高管理层要进行决策，医院组织结构中的各个管理层及医疗工作人员都要进行决策。决策效率和决策质量将直接影响医院的运营绩效和竞争力。临床医学是一个充满着决策的过程，医生需要根据病人的症状、过往治疗史以及家族病史等情况推荐病人接受各项检查、分析检查结果、制订治疗方案和跟踪治疗效果等，这些决策过程实质上都是经过了医生的分析和计算，以尽量获得更高的成功概率为准则，进行相应决策。可见医疗决策本身实际上就是一系列复杂的定量化分析问题的过程，而这种定量化的临床决策需要各种定量化分析方法和数据的支持。

临床决策支持系统将临床数据作为输入信息，将用户关注的统计、分类和推论结果作为输出信息，有助于临床医生和管理者作出业务决策，由CDSS的应用可以较为有效地解决临床医生和医院管理者认知的局限性、减少人为疏忽（特别是药物定量方面）、相对降低医疗费用等，被用户认为具有一定“智能”的软件。大量研究表明，尽管这种“仪表盘”式的决策支持系统界面相对简单，但还是为医疗质量管理提供了一定程度的保证。

1997年Musen对临床决策支持系统做了如下的定义：任何将临床数据作为输入信息，将推论结果作为输出信息，有助于临床医生决策并被用户认为具有“智能性”的软件，即称为临床决策支持系统。

新型的临床决策支持系统正以“信息按钮”和“气泡”的形式，在正确的时间、对正确的对象、提供正确的信息来取代人工智能。

CDSS功能

CDSS是临床信息系统中专门辅助医疗工作的系统，它的应用可以有效解决临床医生知识的局限性问题，从而能够有效地提高医疗质量和效率、减少医疗差错和降低医疗费用。

CDSS基本组成

医学决策支持系统与大多数其他领域专家系统一样，一般由5部分组成：

1.医学知识库 是医学决策支持系统的基础，用于存放各种专家诊断知识，包括医学事实和可行的操作与诊断规则等。

2.全局数据库 用于存放病人的初始数据、中间推理数据和诊断结果，甚至一些对结果的诊断处理等。

3.推理机 推理机根据全局数据库的当前内容从知识库中选择可匹配的规则，并通过执行规则来修改数据库中的内容，再通过不断地推理导出问题的结论。

4.解释器 负责对推理过程作出解释，包括解释“系统是怎么样得出这一诊断结论的”等用户需要解释的问题。

5.人机接口 人机接口是系统与用户进行对话的界面。

CDSS分类维度

根据Musen和Shortliffe等人的建议，临床决策支持系统可以按5个维度（dimension）进行分类。

1.内部决策机制 内部决策机制的不同主要取决于临床决策支持系统的内部知识表示方式，针对不同的决策需求存在着不同的知识表示方式，从而形成了不同的决策机制。如根据病人的症状、体征等的辅助诊断系统常以概率来表达症状与疾病相关性，此类的决策方式主要有基于贝叶斯定理的方法和贝叶斯信念网络。对于医生应采取行动的决策支持系统常见的有基于概率的决策树分析法和基于规则的方法。另外，事件监视器（event monitor）也都是基于规则的决策支持系统，这些系统通过事先定义好的规则来实时监视病人的相关信息，一旦规则中的前提条件得到满足，相关规则将被触发，相应采取规则中规定的行动，或是对诊断或是对治疗提供决策支持。

2.系统功能 临床决策系统按其所完成的系统功能来划分，主要有两大类：①帮助决策什么是对的判断，例如临床诊断；②帮助医生决策下一步应该做什么事，例如做什么检查、用什么药和要不要手术等。

3.人-机交互 主要区分一个系统是否与医生的工作流程相融合。早期的临床决策支持系统由于多是独立于医生工作流程之外的，医生要获得帮助不得不在决策系统中再次输入病人的信息，造成时间的浪费，例如早期的MYCIN系统，用户不得不从当前的工作中停下来转到MYCIN系统所在的计算机上，并且要重新输入病人的信息后才能获得决策支持的结果。现代的临床决策支持系统大多与医生的工作流程相融合，医生可在工作流程中迅速获得决策支持，例如各种事件监视器系统可以在用户完全不干预的情况下发出各种报警。

4.交流方式 临床决策支持系统在交流方式上分为顾问式（consulting model）和批评式（critiquing model）。①顾问式：是在流程中不断地与医生进行交互来获得必要的信息，最终生成最后的建议；②批评式：批评式的系统事先根据相关信息生成一个决策建议，如果医生的决策与之不符，则给出系统的决策建议，适用于医生愿意自己决策而只是需要系统对自己的决策进行再次确认的情况。

5.决策支持程度 与直接能给出决策建议的系统不同，也有一些系统不直接给出建议而是只提供给决策者必要的相关信息，最终由医生作出最后的决策。因此，从决策支持程度上可以分为直接和间接两类。前面提到的决策支持系统大部分是属于直接给出决策建议的系统。间接的决策支持系统主要包括与临床信息系统相融合的多种在线式知识库。

CDSS典型系统

1.MYCIN系统 MYCIN是由美国斯坦福大学的Shortliffe于1974年研制开发的，其主要用于协助医生诊断脑膜炎一类的细菌感染性疾病。在MYCIN的知识库里，大约存放着600条判别规则和1000条关于细菌感染方面的医学知识。医生向系统输入病人信息，MYCIN系统对之进行诊断，并提出处方。它的推理规则称为“产生式规则”，类似于：“IF（打喷嚏）OR（鼻塞）OR（咳嗽）THEN（有感冒症状）”这种医生诊断疾病的经验总结，最后显示出它“考虑”可能性最高的病因，并以给出用药的建议而结束。

2.INTERNIST-1系统 是由美国Pittsburg大学的Miller等人于1982年开发的用于普通内科疾病的诊断咨询系统。INTERNIST-1收集了600多种内科疾病的诊断知识，4500多种临床表现，使用相关频率（在某种疾病中某临床症状发生的频率）和提示力度（某症状对疾病存在的提示强度）两个参数对诊断建议的强弱进行限定，处理用户输入的临床表现，得出一组诊断建议。之后该系统被移植到计算机上，称为快速医学参考（quick medical reference，QRM)。

3.HELP系统（heath evaluation through logical processing）由美国犹他州盐湖城的Latter Days Saints（LDS）医院于20世纪70年代底开发，它涵盖了医学信息很多方面的具体应用和方法学的内容，是一个与医院信息系统结合的非常完美、非常成功的决策支持系统的例子。它除了支持医院日常诊疗工作（如医嘱记录、费用记录、药房管理等）外，还提供医疗提示，如病症诊断，病人管理和提供临床方案等临床决策支持功能。

4.其他临床决策系统 1990年，Provan等人研制了一种动态图素结构的实时系统并用它构造了一个用于诊断慢性腹痛的决策支持系统。1996年，Birndorf等人开发了贫血诊断专家系统。1996年美国Butler大学Lynn ling建立了一个典型的艾滋病医学专家诊断系统。2000年，Wells等人开发了提高乳腺癌治疗计划的知识库系统等。