HIS中的決策支持系統(tǒng)-衛(wèi)生部教材

1、8. HIS中的決策支持系統(tǒng)醫(yī)院信息系統(tǒng)中的決策支持系統(tǒng)包括醫(yī)學(xué)決策支持和管理決策支持。醫(yī)學(xué)決策支持主要討論醫(yī)療工作中的計(jì)算機(jī)輔助決策支持問題，管理決策支持主要討論計(jì)算機(jī)輔助管理決策問題。兩類決策支持的基本實(shí)現(xiàn)方法都是來自于同一類技術(shù)一一統(tǒng)計(jì)學(xué)、數(shù)據(jù)倉庫、人工智能等技術(shù)，只不過臨床決策支持偏重于使用人工智能技術(shù)，管理決策支持偏重于使用統(tǒng)計(jì)學(xué)和數(shù)據(jù)倉庫技術(shù)。但是，數(shù)據(jù)倉庫與人工智能中的知識發(fā)現(xiàn)（自學(xué)習(xí)）技術(shù)本來就是一個(gè)問題的兩種名稱。為了方便，我們在醫(yī)學(xué)決策支持中介紹人工智能技術(shù)，在管理決策支持中介紹數(shù)據(jù)倉庫技術(shù)。&1.醫(yī)學(xué)決策支持的基本概念8.1.1.基本概念決策是醫(yī)生的主要工作。理論上，決策

2、包括列出可能的方法或策略、制定決策順序、選擇最合適的解決方案。但是，醫(yī)學(xué)決策通常不能夠十分簡單的按照以上流程完成，因?yàn)獒t(yī)學(xué)問題十分復(fù)雜，對于一個(gè)病人的臨床表現(xiàn)， 經(jīng)常有太多可能的診斷假設(shè)；在眾多的診療方法中，僅有幾個(gè)方法可用。而醫(yī)學(xué)知識幫助醫(yī)生在眾多的選擇中作出判斷。在計(jì)算機(jī)應(yīng)用中，人們很自然地想到使用計(jì)算機(jī)幫助醫(yī)生進(jìn)行醫(yī)學(xué)決策，這就是醫(yī)學(xué)決策支持。自從計(jì)算機(jī)剛剛誕生不長的時(shí)間，人們就開始了計(jì)算機(jī)用于醫(yī)學(xué)決策的研究。從最早的統(tǒng)計(jì)學(xué)方法，到后來的基于規(guī)則的醫(yī)學(xué)專家系統(tǒng)、再后來的神經(jīng)網(wǎng)技術(shù)，人們花費(fèi)了大量的資金，嘗試了各種技術(shù)和算法，試圖解決人類的智能模擬問題，而醫(yī)學(xué)又是最合適的研究領(lǐng)域。& 1.

3、2.醫(yī)學(xué)決策基本過程要研究醫(yī)學(xué)決策支持，首先需要研究醫(yī)學(xué)決策的基本過程。決策是醫(yī)生的主要工作。理論上，決策包括列出可能的方法或策略、制定決策順序、選擇最合適的解決方案。但是， 醫(yī)學(xué)決策通常不能夠十分簡單的按照以上流程完成，因?yàn)獒t(yī)學(xué)問題十分復(fù)雜，對于一個(gè)病人的臨床表現(xiàn)，經(jīng)常有太多可能的診斷假設(shè)；在眾多的診療方法中，僅有幾個(gè)方法可用。而醫(yī)學(xué)知識幫助醫(yī)生在眾多的選擇中作出判斷。臨床推理通常包括三種類型：邏輯推理、歸納推理和啟發(fā)式推理圖 8-1。前提： 已存在的論據(jù)？前提：已存在的論據(jù)前提： 已存在的論據(jù)*規(guī)則，規(guī)律規(guī)則，規(guī)律結(jié)論：結(jié)果論據(jù)結(jié)論：結(jié)果論據(jù)結(jié)論：結(jié)果論據(jù)圖8-1.不同推理類型示意圖邏輯推

4、理的一般形式是，如果 A能夠推出B, B能夠推出C,則A 一定能夠推出 C。 如病人檢查乙肝核心抗體陽性，規(guī)則顯示抗體陽性說明感染了乙肝，則該病人有乙肝感染。在醫(yī)學(xué)實(shí)踐中，能夠使用這種嚴(yán)格的邏輯推理的情況極為罕見，因?yàn)獒t(yī)學(xué)沒有十分嚴(yán)格的規(guī)律。如病人轉(zhuǎn)氨酶高于正常值，而轉(zhuǎn)氨酶高大多見于甲肝或乙肝，因此病人很可能患甲肝或乙肝。這類分析可以歸入歸納推理。而臨床最多見的是啟發(fā)式推理：在完成一次推理過程以后，得出的初步結(jié)論作為第二次循環(huán)推理的前提，這樣循環(huán)推理，逐步求精，最終得出比較準(zhǔn)確得的結(jié)論。啟發(fā)式推理是一個(gè)動態(tài)過程，在臨床診斷過程中可以用診斷反饋循環(huán)圖表示 圖 8-2。確定臨床診斷圖8-2.診斷反

5、饋循環(huán)是診斷逐步求精的過程圖8-2描述了一個(gè)醫(yī)學(xué)診斷的反饋式循環(huán)。臨床醫(yī)生通過問診、體格檢查、進(jìn)行各項(xiàng)檢 查、檢驗(yàn)獲取病人有關(guān)疾病的信息，不斷優(yōu)化自己的診斷結(jié)論。這是一個(gè)逐步求精的過程， 它也符合人類一般認(rèn)識事務(wù)的過程。醫(yī)學(xué)決策中的非確定性一直備受關(guān)注，正像前面提到的轉(zhuǎn)氨酶高與甲肝或乙肝關(guān)系的例子。涉及轉(zhuǎn)氨酶高的疾病很多，結(jié)合發(fā)生概率，可以列出順序表。82 醫(yī)學(xué)決策支持的基本技術(shù)8.2.1 概率方法與決策分析概率方法可以部分解決非確定性問題，其中主要使用貝葉司(Bayes)理論。貝葉司可以通過綜合不同臨床表現(xiàn)的概率得出不同疾病診斷的概率。P(Di). P(S|Di) P(Di|S)= n龍 P

6、(Di). P(S|Dj)j=i公式中，Di為第i個(gè)疾病，P(Di)為疾病Di的先驗(yàn)概率(疾病發(fā)生概率)，P(S|Di)為疾病 Di的癥狀S發(fā)生的概率，P(Di|S)為癥狀S提示疾病Di發(fā)生得概率(后驗(yàn)概率)。如果存在多 個(gè)臨床表現(xiàn)，可以計(jì)算出對不同診斷的提示強(qiáng)度。下面給出一個(gè)具體的例子表8-1。Di先驗(yàn)概率P(Di)P(PRLQ|Di)P(PLLQ|D i)闌尾炎0.100.800.10輸卵管炎0.050.500.50其他0.850.050.05表8-1.疾病臨床表現(xiàn)發(fā)生概率表其中：Di為第i個(gè)疾病，先驗(yàn)概率P(Dj)為該疾病可能發(fā)生的概率，PRLQ為右下腹疼， P(PRLQ|Di)為右下腹

7、疼在Di疾病的概率，PLLQ為左下腹疼，P(PLLQ|D i)為左下腹疼在Di疾 病的概率，可以得到三種疾病(闌尾炎、輸卵管炎、其他)的后驗(yàn)概率，既該癥狀對該疾病 提示的概率表8-2。DiP(Di |PRLQ)P(Di |PRLQAPLLQ)闌尾炎0.540.35輸卵管炎0.170.55其他0.290.09表8-2.疾病發(fā)生概率表其中，P(Di |PRLQ)為右下腹疼對 Di診斷的提示強(qiáng)度(概率)，P(Di |PRLQAPLLQ)為右 下腹疼和左下腹疼同時(shí)存在對Di疾病的提示強(qiáng)度(概率)。貝葉司公式使用的難點(diǎn)在于估計(jì)先驗(yàn)概率和條件概率，同時(shí)要求所有條件之間必須線性無關(guān)，實(shí)際工作中很難滿足這種條

8、件，因此使用不多(早期醫(yī)學(xué)決策支持研究較多)。&22決策樹(Decision Tree)與決策分析醫(yī)學(xué)啟發(fā)式推理過程實(shí)際是作出一組決策的過程，例如：應(yīng)該進(jìn)一步獲得病人的哪些 信息？應(yīng)該做什么檢查？哪些治療措施比較合適，應(yīng)該給病人哪些建議等。在形成這些判斷的過程中，每一步都需要在眾多的選擇中作出決策。這個(gè)過程構(gòu)成了一個(gè)樹形結(jié)構(gòu)的決策樹圖 8-3。圖8-3闌尾炎診斷和處理的決策過程（決策樹）這種樹形結(jié)構(gòu)可以分成三個(gè)層次：臨床表現(xiàn)層、診斷層和治療層圖8-4。其中臨床表現(xiàn)層的內(nèi)部節(jié)點(diǎn)表示臨床可以獲得的主訴、癥狀、體征以及各種檢查方法獲得的信息。多個(gè)臨床表現(xiàn)節(jié)點(diǎn)對應(yīng)一個(gè)診斷層中的診斷節(jié)點(diǎn)。而一個(gè)診斷節(jié)點(diǎn)

9、又會對應(yīng)多個(gè)治療方案圖8-4a。由于人類認(rèn)識疾病的知識有限，因此臨床表現(xiàn)是可以窮舉的。多個(gè)臨床表現(xiàn)對應(yīng)一 個(gè)診斷，正向是充分條件，逆向是必要條件。圖8-4b表示在診斷層，將一般診斷進(jìn)一步細(xì)化為一組子診斷，以便更有針對性地治療。從理論上講，一個(gè)充分細(xì)化的子診斷只對應(yīng)一組治療方案是最理想的，因?yàn)樵\斷的目的就是為了指導(dǎo)治療。圖 8-4a圖 8-4b圖8-4臨床表現(xiàn)-診斷-治療集合的映射關(guān)系醫(yī)學(xué)中的鑒別診斷實(shí)際是判斷概念外延的工作。不同疾病可以看成為不同的概念集合，而不同疾病之間有很多交集（重合部分）。醫(yī)學(xué)鑒別診斷的目的就是在交集部分將不同集合區(qū)分開的工作。好大夫與沒有經(jīng)驗(yàn)的大夫的區(qū)別在圖8-5可以表

10、示出來。實(shí)際上，醫(yī)學(xué)的診斷和鑒別診斷應(yīng)該在 N維坐標(biāo)系中表示圖8-6。這樣可以清楚的看到診斷和鑒別診斷的兩 個(gè)因素：一個(gè)是坐標(biāo)系的維度、一個(gè)是每一維的刻度，這兩個(gè)因素決定了診斷和鑒別診斷的 精度。如果兩個(gè)相交的疾病，從第三維來看，就可能完全不相交。這就是為什么臨床要盡量多地獲取病人信息。同時(shí)，盡量準(zhǔn)確的臨床信息表現(xiàn)在圖8-6中是每一維的刻度，這也是疾病診斷和鑒別診斷的重要因素之一。沒有經(jīng)驗(yàn)的醫(yī)生有經(jīng)驗(yàn)的醫(yī)生圖8-5.疾病鑒別診斷的集合模型診斷相關(guān)因素圖8-6.多維空間中疾病診斷和鑒別診斷模型由于醫(yī)學(xué)知識的非確定性，決策過程的不同選擇的權(quán)重系數(shù)是不同的。從概率方法可以得知每一種選擇的概率，這樣的

11、決策樹將更容易引導(dǎo)用戶得出正確的結(jié)論。下面是一個(gè)帶概率系數(shù)的決策樹例子圖8-7，這是一個(gè)68歲患有糖尿病左腳受傷繼發(fā)感染可能引起壞疽的 病例，兩種治療方案可供選擇：截肢或者保守治療，保守治療如果無效，可能需要切除更大范圍的患肢或者引起死亡，立即截肢也有可能引起死亡。根據(jù)概率可以選擇最佳治療方案： 立即截肢（實(shí)用方案（utility）的概率為0.970。結(jié)果膝以下截肢死亡康復(fù)膝以上截肢死亡8.2.3.符號推理和專家系統(tǒng)自從70年代后期，符號推理的專家系統(tǒng)得到了很大的發(fā)展，重點(diǎn)突破在醫(yī)學(xué)應(yīng)用，其代表系統(tǒng)是美國斯坦福大學(xué)的Mycin系統(tǒng)。Mycin使用產(chǎn)生式規(guī)則構(gòu)建推理系統(tǒng)，其一般形式為：if條件t

12、hen結(jié)論。在Mycin中的一條規(guī)則如下：if: 細(xì)菌培養(yǎng)為格蘭氏陰性 組織形態(tài)學(xué)觀察為桿狀 患者病情危重the n:建議(可信度=0.6)感染源為假單胞菌屬M(fèi)ycin 使用了可信度 (Credibility Factor, CF) 作為每一條規(guī)則的提示強(qiáng)度。這十分類似 前面提到的概率參數(shù)。但是，在 Mycin中，CF值是由專家制定的。其理由是，在現(xiàn)有資料 的條件下，幾乎無法給出或計(jì)算出發(fā)生概率?；谝唤M規(guī)則建立的系統(tǒng)可以構(gòu)成一顆知識樹，得到醫(yī)學(xué)結(jié)論，實(shí)際是搜索這棵樹。 為了高效搜索，可以使用寬度優(yōu)先、深度優(yōu)先或混合搜索的策略。&2.4. 神經(jīng)網(wǎng)(Neural Networks)和連接系統(tǒng)(C

13、onnectionist Systems)雖然最早的連接系統(tǒng)產(chǎn)生于 1940 年到 1950 年，但真正得到迅速發(fā)展還是在上個(gè)世紀(jì)80 年代。 由于計(jì)算機(jī)性能的快速發(fā)展，大量復(fù)雜的計(jì)算可以實(shí)現(xiàn)。神經(jīng)網(wǎng)的基本思想是用 數(shù)學(xué)的方法模擬人類神經(jīng)系統(tǒng)， 構(gòu)建一個(gè)網(wǎng)絡(luò)模型， 通過大量樣本訓(xùn)練該網(wǎng)絡(luò)， 使網(wǎng)絡(luò)能夠 根據(jù)不同的輸入產(chǎn)生相應(yīng)的輸出。該方法自 90 年代后期趨于冷淡，因?yàn)楸举|(zhì)上還是一種基 于概率的統(tǒng)計(jì)方法， 對于醫(yī)學(xué)復(fù)雜情況、 低劣的數(shù)據(jù)質(zhì)量、大量不能量化的數(shù)據(jù)， 神經(jīng)網(wǎng)方 法仍然顯得無力。8.3. 幾個(gè)典型的醫(yī)學(xué)決策支持系統(tǒng)8.3.1. Mycin 系統(tǒng)M 自從 70 年代后期， 符號推理的專

14、家系統(tǒng)得到了很大的發(fā)展， 重點(diǎn)突破在醫(yī)學(xué)應(yīng) 用，其代表系統(tǒng)是美國斯坦福大學(xué)的 Mycin 系統(tǒng)。 Mycin 使用產(chǎn)生式規(guī)則構(gòu)建推理系統(tǒng)， 其 一般形式為： if 條件 then 結(jié)論。在 Mycin 中的一條規(guī)則如下：if:細(xì)菌培養(yǎng)為格蘭氏陰性組織形態(tài)學(xué)觀察為桿狀 患者病情危重the n:建議(可信度=0.6)感染源為假單胞菌屬M(fèi)ycin 使用了可信度 (Credibility Factor, CF) 作為每一條規(guī)則的提示強(qiáng)度。這十分類似 前面提到的概率參數(shù)。但是，在 Mycin 中， CF 值是由專家制定的。其理由是，在現(xiàn)有資料 的條件下，幾乎無法給出或計(jì)算出發(fā)生概率?；谝唤M規(guī)則建立的系

15、統(tǒng)可以構(gòu)成一顆知識樹， 得到醫(yī)學(xué)結(jié)論， 實(shí)際是搜索這棵樹。 為了高 效搜索，可以使用寬度優(yōu)先、深度優(yōu)先或混合搜索的策略。Mycin 對于產(chǎn)生式規(guī)則方法具有很大貢獻(xiàn)，以至整整影響了一代研究人工智能的學(xué)者。 該系統(tǒng)開發(fā)的目的是用于中樞神經(jīng)系統(tǒng)感染診斷和治療的咨詢。 該系統(tǒng)并沒有真正在臨床廣 泛應(yīng)用，作者之一的 Shortliffe 總結(jié)了 Mycin 死亡的三條原因： (1) 微型計(jì)算機(jī)的廣泛使用， 使在大型計(jì)算機(jī)上開發(fā)的 Mycin 使用困難； (2) 醫(yī)生工作壓力太大，沒有時(shí)間使用； (3) 醫(yī) 療經(jīng)費(fèi)緊張， 沒有經(jīng)費(fèi)租用大型機(jī)上的 Mycin 。實(shí)際上， 一個(gè)系統(tǒng)是否實(shí)用， 用戶最有體會。

16、人類醫(yī)學(xué)科學(xué)已經(jīng)具有幾千年的歷史， 積累了大量的知識， 出版了浩如煙海的醫(yī)學(xué)書籍， 這 里面包含大量的隱性知識，目前人類還無法將其形式化并“告訴”計(jì)算機(jī)，因而，計(jì)算機(jī)還 很難與人類專家正面競爭。面隊(duì)一個(gè) “智商”低于自己的機(jī)器， 怎么指望醫(yī)生花費(fèi)時(shí)間和費(fèi) 用使用，這才是事情真正的本質(zhì)。8.32 lnternist-1 和 QMR 系統(tǒng)與Mycin同時(shí)代開始，美國匹茲堡大學(xué)醫(yī)學(xué)院開發(fā)了 Internist-1系統(tǒng)。該系統(tǒng)包括了 內(nèi)科600多種疾病的診斷知識，包括了 4500多種臨床表現(xiàn)。Internist-1使用了一組參數(shù)表示 臨床表現(xiàn)與疾病的關(guān)系，由臨床專家總結(jié)醫(yī)學(xué)文獻(xiàn)得到，其中主要參數(shù)包括：

17、相關(guān)頻率(Frequency of Association):在某疾病中某臨床表現(xiàn)發(fā)生的頻率，用1-5表示。提示力度(Evocative Power):某臨床表現(xiàn)對某疾病存在的提示強(qiáng)度，用0-5表示。這兩個(gè)參數(shù)十分類似于貝葉司公式的條件概率和后驗(yàn)概率，只是這些參數(shù)不是統(tǒng)計(jì)， 而是由專家分析得出的。In ternist-1還有另外兩個(gè)參數(shù)，協(xié)助系統(tǒng)診斷工作。In ternist-1通過處理用戶輸入的臨床表現(xiàn)，得出一組診斷建議，按照得分多少排列，供 臨床醫(yī)生參考。為了更便于使用，In ternist-1被移植到微型計(jì)算機(jī)上，有了更為友善的人機(jī)界面，稱為QMR ( Quick Medical Ref

18、erenee )。該系統(tǒng)的可貴之處在于總結(jié)了大量的醫(yī)學(xué)文獻(xiàn)來確定參數(shù)系，而目前的循證醫(yī)學(xué)研究 正式沿著這個(gè)思路發(fā)展而來。Internist-1/QMR已經(jīng)死亡，而詢證醫(yī)學(xué)能夠蓬勃發(fā)展，其根本 的問題在于目標(biāo)定位。以前的醫(yī)學(xué)專家系統(tǒng)都將自己定位在挑戰(zhàn)醫(yī)學(xué)專家的知識上線，而詢證醫(yī)學(xué)的定位不是上線，而是底線。70年代開始，國際上人工智能技術(shù)飛速發(fā)展。人工智能尤其重視在醫(yī)學(xué)診斷中的應(yīng)用，一大批像 MYCIN、INTERNEST-I/QMR 等著名的系統(tǒng)應(yīng)運(yùn)而生。但在幾十年的實(shí)踐中，人 們發(fā)現(xiàn)醫(yī)學(xué)知識的復(fù)雜性還遠(yuǎn)未被認(rèn)識，人類現(xiàn)有的技術(shù)還根本無法與人類自身的智能競 爭。因此，研究者轉(zhuǎn)向更為基礎(chǔ)的研究，如

19、腦科學(xué)研究、神經(jīng)生理學(xué)研究、神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和 模擬方法研究等。從人類處理信息的抽象程序看，信息加工從數(shù)據(jù)到信息，一直到知識的過程是一個(gè)不斷抽象整理的過程，人類可以在這個(gè)過程的不同層次從事工作圖7。在知識層的頂端，就是人類追求的智能診療專家系統(tǒng)，這是要與人類專家正面競爭的工作，目前看還有很長的路要走。在知識層的低端，人們正在開展大量卓有成效的工作，如用藥咨詢系統(tǒng)、 臨床預(yù)警系統(tǒng)、計(jì)算機(jī)化的臨床診斷指導(dǎo)和臨床路徑等等。這些系統(tǒng)未必使用很多艱深的計(jì)算機(jī)技術(shù)，但在實(shí)際應(yīng)用中能夠取得很好的效果。根據(jù)美國Gartner調(diào)研公司的統(tǒng)計(jì)，在美國全部死亡人員的死因分析中，由于可以避免的醫(yī)療錯(cuò)誤導(dǎo)致病人死亡的因素在

20、各種死因中占第五位，2002年達(dá)到9.8萬人，相當(dāng)于每天有一架波音747 400大型客機(jī)墜毀。因而，如何避免醫(yī)療錯(cuò)誤成為受到高度重視的問題。信息數(shù)據(jù)圖7.數(shù)據(jù)抽象層次示意圖8.3.3. HELP (Health Evaluation through Logical Processing 系統(tǒng)HELP系統(tǒng)是美國Utah大學(xué)Latter Day Saints(LDS)醫(yī)院開發(fā)的智能化醫(yī)院信息系統(tǒng)。HELP 不僅用于臨床，也支持醫(yī)院的教學(xué)和研究工作。HELP 在決策技術(shù)中使用了人工智能的知識框架技術(shù)， 框架結(jié)構(gòu)很適合于描述醫(yī)學(xué)診斷 這類具有決策樹結(jié)構(gòu)的知識。 為了更方便地使用框架結(jié)構(gòu)， 他們開發(fā)了一

21、種專用計(jì)算機(jī)語言 -HELP Frame Language ，專門用于智能化系統(tǒng)開發(fā)使用。HELP 的主要設(shè)計(jì)宗旨之一就是幫助醫(yī)護(hù)人員分析、解釋、進(jìn)一步處理臨床數(shù)據(jù)， 以提高醫(yī)護(hù)質(zhì)量。 HELP 中決策支持程序包括： （ 1）呼吸系統(tǒng)疾病治療措施合理性檢查報(bào)警 系統(tǒng)；（2）臨床實(shí)驗(yàn)室異常檢查結(jié)果判斷處理系統(tǒng)； （3）傳染病監(jiān)控系統(tǒng)； （ 4）用藥合理性 檢查報(bào)警系統(tǒng)等。HELP 的知識來自于幾個(gè)途徑： （ 1）專家組整理知識； （2）使用公開出版的指導(dǎo)手 冊；（3）數(shù)據(jù)庫分析； （4）自動知識獲取。由于 HELP 系統(tǒng)于 HIS 集成在一起，應(yīng)用中大量使用 HIS 數(shù)據(jù)，減輕了用戶輸入量， 方

22、便了用戶使用，這類技術(shù)目前已經(jīng)廣泛使用。該產(chǎn)品被美國 3M 公司收購并商品化。8.3.4. 用藥決策咨詢系統(tǒng)廣義的說， 醫(yī)學(xué)決策支持應(yīng)該包括各種能夠提高醫(yī)學(xué)決策能力的技術(shù)和方法。 其實(shí)在臨 床工作中， 很多簡單技術(shù)也能起到很好的效果。 例如人們目前廣泛討論的電子病歷， 其中一 個(gè)很重要的目的就是及時(shí)提供臨床決策所需的資料， 雖然電子病歷自己不能輔助決策， 但方 便了臨床醫(yī)生及時(shí)做出正確決策。 結(jié)合電子病歷的報(bào)警系統(tǒng)， 如藥物過敏史報(bào)警提示、 醫(yī)保 報(bào)銷政策提示、 醫(yī)囑錯(cuò)誤提示等， 雖然使用技術(shù)可能比較簡單， 但同樣能夠發(fā)揮重要的輔助 決策支持的功能， 我們更應(yīng)該將更多的經(jīng)歷首先放在解決這類問題

23、的工作中， 其中用藥咨詢 系統(tǒng)就是一個(gè)比較典型的例子。向比較前面我們討論的各種臨床診斷咨詢系統(tǒng)來說， 用藥咨詢系統(tǒng)一般使用比較傳統(tǒng)的 計(jì)算機(jī)技術(shù)實(shí)現(xiàn)， 更多的是一些用藥信息的查詢功能， 例如藥品使用手冊， 藥品交互作用雖 然復(fù)雜一些，但很難算得上智能系統(tǒng)。但是， 這些系統(tǒng)在臨床使用中得到很好的反應(yīng)， 一直 衛(wèi)生部醫(yī)院信息系統(tǒng)基本功能規(guī)范將其列入其中。 使用用藥咨詢系統(tǒng)提高臨床醫(yī)囑和處方質(zhì) 量也具有重要的作用。國外的用藥咨詢系統(tǒng)已經(jīng)非常成熟， 有很多商品化的軟件出售， 國內(nèi)也有一些公司開發(fā) 該類系統(tǒng)， 功能主要包括合理用藥檢測、 藥物相互作用審查、 藥物過敏史審查、臨床用藥指 南、藥典等功能，可

24、以將其嵌入門診或住院醫(yī)生工作站中使用，實(shí)施監(jiān)控臨床用藥情況。國 內(nèi)系統(tǒng)的缺點(diǎn)是還沒有做到根據(jù)臨床疾病和臨床表現(xiàn)提示臨床用藥的有關(guān)信息， 這也是天文 數(shù)字的工作，需要大量臨床人員參與。8.4. 管理決策支持與數(shù)據(jù)倉庫技術(shù)8.4.1. 管理決策簡介 管理的任務(wù)是設(shè)計(jì)和維持一種體系，使在這一體系中共同工作的人們能夠盡可能少的 支出（人力、物力、財(cái)力） ，去實(shí)現(xiàn)他們的既定目標(biāo)。管理的職能可以劃分成計(jì)劃、組織、 指揮、溝通、控制、激勵(lì)、創(chuàng)新七種職能。根據(jù)管理學(xué)原理，管理組織需要分層，可以分成上層、中層和基層主管 圖 8-5 ，形成 一個(gè)管理的金字塔結(jié)構(gòu)。 不同層次的管理者各有側(cè)重地執(zhí)行其職能。 從信息化

25、的角度看， 基 層管理處理的流程性工作較多； 中層管理擔(dān)負(fù)大量的基層數(shù)據(jù)匯總工作， 并負(fù)責(zé)落實(shí)高層管 理者的意見； 高層管理的主要任務(wù)是決策， 而決策的基礎(chǔ)來源于基層和中層的匯總和反饋信 息。高層管理高層管理的主要任務(wù)是決策。傳統(tǒng)的決策方法主要是依靠管理人員的經(jīng)驗(yàn)和一些簡單 的統(tǒng)計(jì)方法。當(dāng)然，傳統(tǒng)的統(tǒng)計(jì)方法目前仍然是最普遍應(yīng)用并非常有效的。例如臨床醫(yī)務(wù)工作管理的一些重要指標(biāo)性統(tǒng)計(jì)數(shù)字，如床位使用率、床位周轉(zhuǎn)率、單病種平均住院費(fèi)用等， 都是評價(jià)臨床效率的重要指標(biāo)。近年來臨床質(zhì)量管理發(fā)展了一些定量和定性相結(jié)合的方法， 并建立了一些管理模型，使用計(jì)算機(jī)協(xié)助管理，取得了很好的效果。在醫(yī)院的財(cái)務(wù)管理方面

26、，全成本核算引起了眾多醫(yī)院領(lǐng)導(dǎo)者的重視，這是醫(yī)院從計(jì)劃經(jīng)濟(jì)向市場經(jīng)濟(jì)過渡的必經(jīng)之路。成本核算的計(jì)算并不復(fù)雜，關(guān)鍵難點(diǎn)在于對醫(yī)院財(cái)務(wù)管理的理解和原始數(shù)據(jù)的整理。醫(yī)院管理中，各個(gè)部門都有很多報(bào)表，這些都是管理部門用于決策的重要數(shù)據(jù)。很多 醫(yī)院開展病人滿意度調(diào)查，經(jīng)過簡單的統(tǒng)計(jì)學(xué)處理， 可以得出十分有用的結(jié)果，指導(dǎo)醫(yī)院改善服務(wù)質(zhì)量。我們在此列舉了一些實(shí)例，就是為了說明這些傳統(tǒng)管理方法的重要性，以避免用技術(shù) 取代管理、以方法取代目標(biāo)的錯(cuò)誤。8.4.2. 決策支持系統(tǒng)與數(shù)據(jù)倉庫技術(shù)管理信息系統(tǒng)積累了大量寶貴的數(shù)據(jù)，利用好這些數(shù)據(jù)，可以幫助管理者更好地作出 決策。一個(gè)十分經(jīng)典的例子是關(guān)于“啤酒和尿布關(guān)系”

27、的故事。美國一個(gè)大型連鎖超市通過 銷售記錄分析發(fā)現(xiàn)， 購買尿布的客戶經(jīng)常同時(shí)購買啤酒，原因是太太在家坐月子，先生去超市購買尿布的同時(shí)，通常給自己買幾瓶啤酒。 于是，超市調(diào)整了貨柜位置，將啤酒與尿布擺放在一起，提高了銷量。這是一個(gè)典型的通過數(shù)據(jù)分析發(fā)現(xiàn)新規(guī)律的例子，這也是決策支持系統(tǒng)應(yīng)用的實(shí)例。決策支持系統(tǒng)(Decision Support System, DSS)是在管理信息系統(tǒng)和運(yùn)籌學(xué)的基礎(chǔ)上發(fā)展 起來的。從輔助決策的角度看，決策支持系統(tǒng)的輔助決策能力是管理信息系統(tǒng)輔助決策能力 和運(yùn)籌學(xué)輔助決策能力的綜合和提高。Mittra將DSS定義為：決策支持系統(tǒng)是從數(shù)據(jù)庫中找出必要的數(shù)據(jù)，并利用數(shù)學(xué)模

28、型的功能，為用戶產(chǎn)生所需要的信息。DSS中強(qiáng)調(diào)了兩點(diǎn)：數(shù)據(jù)庫和數(shù)學(xué)模型。DSS正是沿著這兩個(gè)重點(diǎn)發(fā)展，形成了數(shù)據(jù)倉庫(Data Warehouse, DW)和數(shù)據(jù)挖掘(Data Mining)技術(shù)。數(shù)據(jù)倉庫的概念由美國著名工程學(xué)家W-H-lnmon博士于90年代在建立數(shù)據(jù)倉庫一書中提出：“數(shù)據(jù)倉庫是一個(gè)面向主題的、集成的、穩(wěn)定的、包含歷史數(shù)據(jù)的數(shù)據(jù)集合， 它用于支持經(jīng)營管理中的決策制定過程。”主題是指用戶使用數(shù)據(jù)倉庫進(jìn)行決策時(shí)所關(guān)心的重點(diǎn)方面；面向主題是指數(shù)據(jù)倉庫內(nèi) 的信息是按主題進(jìn)行組織的，為按主題進(jìn)行決策的過程提供信息；集成是指數(shù)據(jù)倉庫中的信 息不是從各個(gè)業(yè)務(wù)處理系統(tǒng)中簡單抽取出來的， 是

29、經(jīng)過系統(tǒng)加工、 匯總和整理， 保證數(shù)據(jù)倉 庫內(nèi)的信息是關(guān)于整個(gè)企業(yè)的一致的全局信息；穩(wěn)定是指一旦某個(gè)數(shù)據(jù)進(jìn)入數(shù)據(jù)倉庫以后， 一般情況下將被長期保留， 也就是數(shù)據(jù)倉庫中一般有大量的插入和查詢操作， 但修改和刪除 操作很少；包含歷史數(shù)據(jù)是指數(shù)據(jù)倉庫內(nèi)的信息并不只是關(guān)于企業(yè)當(dāng)時(shí)或某一時(shí)點(diǎn)的信息， 而是系統(tǒng)記錄了企業(yè)從過去某一時(shí)點(diǎn)到目前的各個(gè)階段的信息， 通過這些信息可以對企業(yè)的 發(fā)展歷程和未來趨勢作出定量分析和預(yù)測。 把信息加以整理歸納， 并及時(shí)提供給相應(yīng)的管理 決策人員，是數(shù)據(jù)倉庫的根本任務(wù)。數(shù)據(jù)倉庫主要有三方面的作用：首先，數(shù)據(jù)倉庫提供了標(biāo)準(zhǔn)的報(bào)表和圖表功能，其中 的數(shù)據(jù)來源于不同的多個(gè)事務(wù)處理

30、系統(tǒng)， 因此，數(shù)據(jù)倉庫的報(bào)表和圖表是關(guān)于整個(gè)企業(yè)集成 信息的報(bào)表和圖表； 其次， 數(shù)據(jù)倉庫支持多維分析， 多維分析是通過把一個(gè)實(shí)體的多項(xiàng)重要 的屬性定義為多個(gè)維度， 使得用戶能方便地匯總數(shù)據(jù)集， 簡化了數(shù)據(jù)的分析處理邏輯， 并能 對不同維度值的數(shù)據(jù)進(jìn)行比較， 而維度則表示了對信息的不同理解角度。 應(yīng)用多維分析可以 在一個(gè)查詢中對不同階段的數(shù)據(jù)進(jìn)行縱向或橫向比較， 這在決策過程中非常有用； 第三， 數(shù) 據(jù)倉庫是數(shù)據(jù)挖掘技術(shù)的關(guān)鍵基礎(chǔ)， 數(shù)據(jù)挖掘技術(shù)要在已有數(shù)據(jù)中識別數(shù)據(jù)的模式， 以幫助 用戶理解現(xiàn)有的信息， 并在已有信息的基礎(chǔ)上， 對未來的狀況作出預(yù)測。 在數(shù)據(jù)倉庫的基礎(chǔ) 上進(jìn)行數(shù)據(jù)挖掘， 就可

31、以針對整個(gè)企業(yè)的狀況和未來發(fā)展作出較完整、合理、 準(zhǔn)確的分析和預(yù)測。數(shù)據(jù)挖掘是從數(shù)據(jù)中發(fā)現(xiàn)有用知識的過程，實(shí)際是多種算法的統(tǒng)稱。它的算法來自于 傳統(tǒng)的數(shù)學(xué)方法和人工智能的知識發(fā)現(xiàn)技術(shù)。目前廠家提供的數(shù)據(jù)倉庫產(chǎn)品一般都包含四部分內(nèi)容，因而將數(shù)據(jù)挖掘包括在里面。 整個(gè)數(shù)據(jù)倉庫系統(tǒng)包含四個(gè)層次的體系結(jié)構(gòu)圖 8-6 ：（1）數(shù)據(jù)源：是數(shù)據(jù)倉庫系統(tǒng)的基礎(chǔ)，是整個(gè)系統(tǒng)的數(shù)據(jù)源泉。通常包括企業(yè)內(nèi)部信 息和外部信息。 內(nèi)部信息包括存放于 RDBMS 中的各種業(yè)務(wù)處理數(shù)據(jù)和各類文檔數(shù)據(jù)。 外部 信息包括各類法律法規(guī)、市場信息和競爭對手的信息等等；（ 2）數(shù)據(jù)的存儲與管理：是整個(gè)數(shù)據(jù)倉庫系統(tǒng)的核心。數(shù)據(jù)倉庫的真正

32、關(guān)鍵是數(shù)據(jù)的 存儲和管理。 數(shù)據(jù)倉庫的組織管理方式?jīng)Q定了它有別于傳統(tǒng)數(shù)據(jù)庫， 同時(shí)也決定了其對外部 數(shù)據(jù)的表現(xiàn)形式。 要決定采用什么產(chǎn)品和技術(shù)來建立數(shù)據(jù)倉庫的核心， 則需要從數(shù)據(jù)倉庫的 技術(shù)特點(diǎn)著手分析。針對現(xiàn)有各業(yè)務(wù)系統(tǒng)的數(shù)據(jù)，進(jìn)行抽取、清理，并有效集成，按照主題 進(jìn)行組織。 數(shù)據(jù)倉庫按照數(shù)據(jù)的覆蓋范圍可以分為企業(yè)級數(shù)據(jù)倉庫和部門級數(shù)據(jù)倉庫 （通常 稱為數(shù)據(jù)集市） 。（ 3）聯(lián)機(jī)分析處理 （On-line Analytical Processing, OLAP） 服務(wù)器：對分析需要的數(shù)據(jù)進(jìn) 行有效集成，按多維模型予以組織，以便進(jìn)行多角度、多層次的分析，并發(fā)現(xiàn)趨勢。其具體 實(shí)現(xiàn)可以分為：ROL

33、AP、MOLAP和HOLAP ROLAP基本數(shù)據(jù)和聚合數(shù)據(jù)均存放在RDBMS之中； MOLAP 基本數(shù)據(jù)和聚合數(shù)據(jù)均存放于多維數(shù)據(jù)庫中；HOLAP 基本數(shù)據(jù)存放于RDBMS 之中，聚合數(shù)據(jù)存放于多維數(shù)據(jù)庫中。（4）前端工具：主要包括各種報(bào)表工具、查詢工具、數(shù)據(jù)分析工具、數(shù)據(jù)挖掘工具以 及各種基于數(shù)據(jù)倉庫或數(shù)據(jù)集市的應(yīng)用開發(fā)工具。其中數(shù)據(jù)分析工具主要針對OLAP 服務(wù)器，報(bào)表工具、數(shù)據(jù)挖掘工具主要針對數(shù)據(jù)倉庫。10文檔資料數(shù)據(jù)源外部數(shù)據(jù)亭業(yè)務(wù)數(shù)據(jù)系統(tǒng)數(shù)據(jù)存儲OLAP與管理服務(wù)器I前端工具與應(yīng)用圖8-6.數(shù)據(jù)倉庫系統(tǒng)體系結(jié)構(gòu)8.4.3.智能決策支持系統(tǒng)上世紀(jì)60年代，專家系統(tǒng)發(fā)展很快。1968年，

34、E. A. Feigenbanm等人研制了 DENDRAL 專家系統(tǒng)，可用來幫助化學(xué)家推斷分子結(jié)構(gòu)。1974年，E. H. Shortliffe等人研制了 MYCIN專家系統(tǒng)，用于診斷和治療感染性疾病。 同一時(shí)期，人們還研制出不少專家系統(tǒng)， 用于各個(gè) 領(lǐng)域。專家系統(tǒng)也是一種很有效的輔助決策系統(tǒng)。它利用專家的知識，特別是經(jīng)驗(yàn)知識，經(jīng) 過推理得出輔助決策信息。對于專家知識，它不限于數(shù)值的，更多的是不精確的定性知識。 這種專家系統(tǒng)輔助決策的方式屬于定性分析。專家系統(tǒng)與決策支持系統(tǒng)幾乎是同時(shí)興起，各自沿著自己的道路發(fā)展起來。它們都具有輔助決策的作用，但輔助決策的方式不同。專家系統(tǒng)輔助決策的方式屬于定性

35、分析；決策支持輔助決策的方式屬于定量分析。把這兩者結(jié)合起來，輔助決策的效果將會大大改善，達(dá)到定性和定量相結(jié)合的效果。這種專家系統(tǒng)和決策支持系統(tǒng)的結(jié)合形成的系統(tǒng)稱為智能決策支 持系統(tǒng)(Intelligent Decision Support System)，它將代表決策支持系統(tǒng)的發(fā)展方向。醫(yī)學(xué)中廣泛使用人工智能專家系統(tǒng)技術(shù)，用于臨床決策支持，在管理決策支持中較少使用。因此我們在臨床決策支持系統(tǒng)中介紹了該類技術(shù)。數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術(shù)在管理中廣泛使用，我們在該節(jié)重點(diǎn)介紹。但是，醫(yī)療決策與管理決策沒有本質(zhì)區(qū)別，醫(yī)療決策可以使用數(shù)據(jù)倉庫技術(shù)，管理決策也可以使用人工智能技術(shù)。從起源看，數(shù)據(jù)挖掘本來就是源

36、自人工智能的知識發(fā)現(xiàn)技術(shù)，醫(yī)學(xué)決策支持本身就包含決策支持技術(shù)和人工智能專家系統(tǒng)技術(shù)。計(jì)算機(jī)應(yīng)用中很多術(shù)語沒有嚴(yán)格的定義，我們只要把握住應(yīng)用目的就可以，沒有必要在這些細(xì)枝末節(jié)上糾纏。118.5. 循證醫(yī)學(xué)、臨床實(shí)踐指南、臨床路徑與醫(yī)學(xué)知識管理8.5.1. 循證醫(yī)學(xué)基本概念循證醫(yī)學(xué) （Evidence-based Medicine, EBM） 即遵循證據(jù)的臨床醫(yī)學(xué)。 其核心思想是醫(yī)務(wù) 人員應(yīng)該認(rèn)真地、 明智地、 深思熟慮地運(yùn)用在臨床研究中得到的最新、 最有力的科學(xué)研究信 息來診治病人。 最好的證據(jù)來自醫(yī)學(xué)基礎(chǔ)學(xué)科和以病人為中心的臨床研究。 臨床實(shí)踐是指醫(yī) 生臨床技能和經(jīng)驗(yàn)， 能夠迅速地確定每一個(gè)病

37、人的健康狀況、 疾病的診斷、 可能進(jìn)行的治療 措施的利弊。 循證醫(yī)學(xué)強(qiáng)調(diào)臨床醫(yī)師應(yīng)該在仔細(xì)采集病史和體格檢查的基礎(chǔ)上， 根據(jù)臨床實(shí) 踐中需要解決的問題，進(jìn)行有效的文獻(xiàn)檢索，并對其進(jìn)行評價(jià)，找到最適宜和有利的證據(jù)， 通過嚴(yán)謹(jǐn)?shù)呐袛啵?將最適宜的診斷方法、 最精確的預(yù)后估計(jì)， 及最安全有效的治療方法用于 對每個(gè)具體病人的服務(wù)。 總之， 任何臨床醫(yī)療決策的制定都建立在客觀的科學(xué)研究證據(jù)基礎(chǔ) 上。循證醫(yī)學(xué)中的證據(jù)主要指臨床人體研究的證據(jù)， 按質(zhì)量和可靠程度可分為五級 （可靠性 依次降低）。一級： 所有隨機(jī)對照試驗(yàn) （randomized controlled trials ，RCT ）的系統(tǒng)評價(jià) /M

38、eta- 分析。二級：單個(gè)的樣本量足夠的 RCT 結(jié)果。三級：設(shè)有對照組但未用隨機(jī)方法分組。四 級：無對照的病例觀察。 五級：專家意見。 在治療方面， 國際公認(rèn)大樣本隨機(jī)對照試驗(yàn) （ RCT ） 和 RCT 的系統(tǒng)評價(jià)（ systematic review SR ，或 Meta- 分析）結(jié)果是證明某種療法的有效性和 安全性最可靠的依據(jù)（金標(biāo)準(zhǔn)） 。但在沒有這些金標(biāo)準(zhǔn)的情況下其他非隨機(jī)對照試驗(yàn)的臨床 研究及其 SR 也可作為參考依據(jù)但可靠性降低。循證醫(yī)學(xué)與傳統(tǒng)醫(yī)學(xué)有著重要區(qū)別。 傳統(tǒng)醫(yī)學(xué)以個(gè)人經(jīng)驗(yàn)為主， 醫(yī)生根據(jù)自己的實(shí)踐經(jīng) 驗(yàn)、高年資醫(yī)師的指導(dǎo)， 教科書和醫(yī)學(xué)期刊上零散的研究報(bào)告為依據(jù)來處理病

39、人。 其結(jié)果是： 一些真正有效的療法因不為公眾所了解而長期未被臨床采用； 一些實(shí)踐無效甚至有害的療法 因從理論上推斷可能有效而長期廣泛使用。 循證醫(yī)學(xué)實(shí)踐既重視個(gè)人臨床經(jīng)驗(yàn)又強(qiáng)調(diào)采用現(xiàn) 有的、最好的研究證據(jù)，兩者缺一不可。而這種研究的依據(jù)主要強(qiáng)調(diào)臨床研究證據(jù)。8.5.2. 臨床實(shí)踐指南 （Clinical Practice Guidelines，CPGs）臨床實(shí)踐指南試圖將大量的醫(yī)學(xué)經(jīng)驗(yàn)抽象成為方便和容易使用的一種形式，為臨床工 作提供任意和可靠的決策信息，使臨床決策更加高效準(zhǔn)確，并符合倫理和法律的要求。臨床實(shí)踐指南根據(jù)來源可以被分為三類： 第一類包含有關(guān)法律法規(guī)和行業(yè)規(guī)范； 第二類 包含臨床

40、證據(jù)； 第三類包含一組由專家和管理人員制定的程序。 臨床實(shí)踐指南可以用自然語 言描述，也可用流程圖或算法圖描述， 還可以結(jié)合第三類形式編寫計(jì)算機(jī)化的臨床實(shí)踐指南， 以支持臨床決策或工作流管理。臨床實(shí)踐指南也可以與電子病歷結(jié)合，在多方面發(fā)揮作用。臨床實(shí)踐指南作為循證醫(yī)學(xué)臨床應(yīng)用的重要手段， 越來越引起臨床各個(gè)領(lǐng)域的重視。 除 了上面提到的一些國家級的支持中心外， 國外很多專業(yè)學(xué)會也在組織專家編寫本專業(yè)的權(quán)威 的臨床實(shí)踐指南。 臨床實(shí)踐指南也得到了衛(wèi)生部的高度重視， 正在組織國內(nèi)各方面的專家整 理、編寫有關(guān)資料。 尤其是近年的醫(yī)患關(guān)系越來越敏感， 醫(yī)療賠償制度和舉證倒置政策的出 臺，把醫(yī)院逼到了死

41、角，臨床實(shí)踐指南的應(yīng)用，除了可以提高醫(yī)護(hù)質(zhì)量、規(guī)范醫(yī)療行為外， 還可以有效地保護(hù)醫(yī)院的合法權(quán)益，因而備受重視。在循證醫(yī)學(xué)資料的各種來源中， 只有臨床實(shí)踐指南最直接， 距離臨床工作最近。 因?yàn)樵?緊張的日常臨床工作中， 醫(yī)務(wù)人員沒有時(shí)間隨時(shí)檢索 Medline 并閱讀原文， 或者瀏覽 Cochrane 網(wǎng)站。近年來，大量的臨床實(shí)踐指南被編寫，但是，很少被真正利用。這里面有習(xí)慣問題，但 更多的問題是使用不十分方便， 計(jì)算機(jī)化的臨床實(shí)踐指南可以解決這類問題。 連機(jī)使用臨床 實(shí)踐指南， 不僅可以提供快速的連機(jī)幫助， 查找有關(guān)內(nèi)容， 還可以為醫(yī)師直接提供臨床決策12的參考意見、報(bào)警信息、甚至與電子病歷結(jié)

42、合，起到相互幫助工作的作用。8.5.3. 臨床路徑 (Clinical Pathway, CP)臨床路徑是醫(yī)生、 護(hù)士和其他專業(yè)人員針對某個(gè)診斷或手術(shù)所作出的最適當(dāng)、 有順序性 和時(shí)間性的照顧計(jì)劃，以減少康復(fù)的延遲與資源的浪費(fèi)，使服務(wù)對象獲得最佳的照顧質(zhì)量。臨床路徑設(shè)計(jì)有幾個(gè)關(guān)鍵之處， 它是多專業(yè)協(xié)調(diào)的、 有時(shí)間順序性的、 能控制和改良品 質(zhì)的，以服務(wù)對象為中心的整體服務(wù)設(shè)計(jì)， 是一個(gè)用系統(tǒng)管理的科學(xué)手段進(jìn)行管理的照顧模 式，常用于多發(fā)的、 費(fèi)用高的、 以及需多專業(yè)健康服務(wù)人員共同配合的疾病或手術(shù)。它用簡 單明了的計(jì)劃方式， 將常規(guī)的治療、 檢查與護(hù)理活動立項(xiàng)、細(xì)化， 由各學(xué)科的專業(yè)人員將該

43、疾病關(guān)鍵性的治療、 檢查和護(hù)理活動標(biāo)準(zhǔn)化， 根據(jù)住院天數(shù)設(shè)計(jì)表格， 使治療、檢查和護(hù)理 活動的順序以及時(shí)間的安排盡可能地達(dá)到最優(yōu)化， 使大多數(shù)的服務(wù)對象由入院到出院都能依 此流程接受照顧，以使其獲得最佳的服務(wù)，縮短平均住院日， 減低醫(yī)療成本，較少醫(yī)療資源 的浪費(fèi)。臨床路徑的內(nèi)容根據(jù)不同的疾病、 手術(shù)、不同醫(yī)院、 病房和不同專業(yè)人員而會有所不同， 但一般包括預(yù)期結(jié)果、評估、多學(xué)科的服務(wù)措施、病人和家屬的相關(guān)教育、會診、營養(yǎng)、用 藥、活動、檢驗(yàn)、檢查、治療、出院計(jì)劃等內(nèi)容。臨床路徑的發(fā)展與設(shè)計(jì)過程，包含了溝通、沖突化解、病歷計(jì)酬、品質(zhì)管理與改良、循 證實(shí)踐理論、人本理論、 資源依賴?yán)碚摗?機(jī)構(gòu)理論

44、等管理理論與實(shí)踐。 其中循證實(shí)踐理論就 是上面我們討論的循證醫(yī)學(xué)內(nèi)容， 因而， 臨床路徑從一個(gè)非常完整的范圍內(nèi)規(guī)范了臨床各個(gè) 方面的工作， 是一種更為理想的模型。 但是， 臨床路徑除了需要大量完善的循證臨床實(shí)踐指 導(dǎo)外， 其他方面需要規(guī)范的內(nèi)容還很多， 因而工作量巨大，不常見病很難使用該方法， 使用 范圍受到限制，在專科醫(yī)院、病種單一的單位比較容易實(shí)現(xiàn)。正像循證醫(yī)學(xué)和臨床實(shí)踐指南一樣， 臨床路徑也需要計(jì)算機(jī)的支持。 比較完整的系統(tǒng)除 了包括制定臨床路徑的表格以外， 還應(yīng)該是一個(gè)比較完整的疾病管理系統(tǒng)， 可以包括診療路 徑管理、病人管理和費(fèi)用管理，還應(yīng)具有比較完整的電子病歷管理功能。8.5.4.

45、 循證醫(yī)學(xué)、臨床實(shí)踐指南、臨床路徑與傳統(tǒng)的臨床決策支持的關(guān)系H. Shortliffe 是著名的醫(yī)學(xué)專家系統(tǒng) -MYCIN 的發(fā)明者， MYCIN 奠定了基于規(guī)則的智 能系統(tǒng)的基礎(chǔ)，對醫(yī)學(xué)人工智能，以至整個(gè)人工智能界都作出過重要的貢獻(xiàn)。但是， H. Shortliffe 近年放棄了傳統(tǒng)的人工智能研究方法，轉(zhuǎn)而研究臨床實(shí)踐指南的計(jì)算機(jī)化問題。 這很典型地說明了傳統(tǒng)的醫(yī)學(xué)專家系統(tǒng)與計(jì)算機(jī)化的循證醫(yī)學(xué)、 臨床診療指導(dǎo)、 臨床路徑的 關(guān)系。由于人們在 70-80 年代過于樂觀，沒有認(rèn)識到智能模擬的難度，將醫(yī)學(xué)決策支持定位 過高，追求開發(fā)出具有專家水平的智能系統(tǒng)。 20 多年的實(shí)踐告訴我們，傳統(tǒng)的人工智

46、能和 專家系統(tǒng)技術(shù)無法開發(fā)出具有實(shí)用價(jià)值的系統(tǒng)， 人們只能降低定位、 降低智能水平， 開發(fā)臨 床診療指導(dǎo)、臨床路徑類的決策支持系統(tǒng)，以達(dá)到實(shí)用的目的。當(dāng)然， 這并不能夠說明人工 智能追求的目標(biāo)是錯(cuò)誤的， 只是過于超前， 基礎(chǔ)理論和技術(shù)的研究還不能夠支持做出實(shí)用系 統(tǒng)。近年人們對腦科學(xué)的研究不斷深入， 對醫(yī)學(xué)知識結(jié)構(gòu)的理解不斷深入， 相信取得突破的 時(shí)間不會太遠(yuǎn)。8.5.5. 醫(yī)學(xué)知識管理知識管理是把知識 (包括信息 )作為最重要的資源，把知識和知識活動作為企業(yè)的財(cái)富和 核心， 對信息的獲取和傳播、知識的學(xué)習(xí)和運(yùn)用、 知識的創(chuàng)新和傳播、 知識交換以及企業(yè)內(nèi) 部知識的分享和共享的結(jié)構(gòu)、 知識水平的提高進(jìn)行管理， 發(fā)揮企業(yè)員工和集體的智慧， 在知 識創(chuàng)新中謀求生存和發(fā)展13在知識經(jīng)濟(jì)中， 企業(yè)經(jīng)營所包含的知識含量， 是決定企業(yè)是否是一個(gè)知識密集型企業(yè)的 標(biāo)志。 知識