报名
LabtoMarket医疗器械项目路演-10月14日
在我们分析了AI医疗的大热点-AI医学影像，其实在医疗领域还有一个AI商业化落地发展更快速的赛道，不仅有百度、腾讯等互联网巨头的加入，更是已经出现了一些颇具实力的新兴企业，在面对新冠疫情和分级诊疗的挑战过程中，中国医疗体系也离不开它的助力。今天我们就来讲讲这个AI商业化的前头兵-CDSS（临床决策支持系统）。
一、CDSS的发展和政策
临床决策支持系统（ClinicalDecisionSupportSystem,简称CDSS），一般是指基于人工智能深度学习算法的方式，对临床医疗决策提供辅助支持的计算机系统。CDSS将医学相关的指南文献、专家共识以及电子病历数据进行输入，经过大数据分析以及基于人工智能的神经网络运算，输出临床诊断方面的模型，从而辅助医生提供相关病例的临床诊断。
因此，CDSS是提升医疗质量的重要手段，其根本目的是为了评估和提高医疗效率，预防医疗差错，并且控制降低医疗费用的支出。
（资料来源：医萌网，华安证券研究所）
CDSS发展历史并不久远，CDSS的研究始于20世纪50年代末，最早的研究方向是医学专家通过推理引擎，将专业知识和临床经验经过整理后存储于知识库中，利用逻辑推理和模式匹配的方式，帮助用户进行诊断推断。
直到20世纪70年代中期，世界上第一个CDSS(MYCIN)才由美国斯坦福大学研制诞生。那套系统可以根据输入的检验信息，自动识别51种病菌，正确使用23种抗菌素。可协助医生诊断及治疗细菌感染性疾病，为患者提供最佳处方。
随后，各种功能特色的CDSS相继出现，如美国匹兹堡大学的Internist-I、QMR，犹他州大学的ILIAD、HELP，哈佛大学的DXPLAIN，WolterKluwer公司的Uptodate，Elsevier公司的MDconsult等。而在年后随着政策出台，国内CDSS市场也加快了发展脚步，涌现出几十家拥有独立CDSS研发技术的中国企业。
在政策层面，医疗信息化政策的推动特别是电子病历评级政策的出台使CDSS获得了极为广大的发展前景。根据卫健委电子病历的评级要求来看，到医院要达到评级4级以上，根据电子病历评级中关于CDSS的内容，4医院实现合理用药功能，5医院利用知识库实现决策支持服务，并能够为医疗管理和临床科研工作提供数据挖掘功能，6医院建立全院级多维度医疗知识库体系，提供高级别医疗决策支持。而且4级以上评级的重要标准之一即是要拥有不同程度的CDSS。
（表：卫健委电子病历评级要求）
二、CDSS的系统
组成和应用场景
目前，世界上绝大多数CDSS都由三部分组成：即知识库、推理机和人机交流接口部分。它主要包含以下几个使用环节：
1.基于临床知识库，对信息进行收集、整理、分类、过滤、加工并建立逻辑关联知识点；
2.采用警告提醒、信息按钮、成组医嘱（医嘱套餐）、文挡管理以及相关数据的表达形式；
3.对疾病进行诊断、治疗、护理、手术、合理用药等方面的决策支持；
4.为临床医生诊断治疗提供建议、提醒、报警、计算、预测方面的决策支持。
（资料来源：OMAHA分析）
如果按照应用场景来划分，CDSS拥有诊前决策、诊中决策和诊后决策三大场景：
（一）诊前决策：是CDSS根据临床医生针对患者的症状的描述，在诊断、用药和手术之前，按照标准诊疗指南提示医生诊断要求、鉴别要点以及相关诊疗方案，包括手术诊断时提示手术操作要点及术前检查等。
（二）诊中支持：是CDSS为医生提示药品适应症、药理、药效等，包括手术并发症常见症状，以及术后综合治疗及评估方案等。
（三）诊后评价：是CDSS挖掘患者与其既往医疗信息、临床研究之间联系的资料，以便于预测患者将来的健康问题，存储并分析不符合《临床诊疗指南》以及《临床技术操作规范》的治疗方案，为医疗质量评估提供依据，医院管理水平，规范医疗行为，同时也为循证医学提供科学的证据。
对医生而言——CDSS可以有效降低基层医生误诊、漏诊率：
中国医学会的一份误诊数据资料显示，中国临床医疗每年的误诊人数约为万人，总误诊率为27.8%。器官异位误诊率为60%，恶性肿瘤平均误诊率为40%，如鼻咽癌、白血病、胰腺癌等，肝结核、胃结核等肺外结核的平均误诊率也在40%以上。特别是对基层医疗机构来说，培养一名全科医生大约需要5到10年的时间，如果这些医生能够合理利用CDSS，就能迅速提升他们的诊疗水平，加快培训进度，从而减少基层医疗的误诊、漏诊以及医患纠纷等问题。
对医院而言——CDSS是衡量、医院等级的重要参考
依据美国医疗信息与管理系统学会（HealthcareInformationandManagementSystemsSociety,HIMSS)HIMSS7级的评审标准，CDS是HIMSSEMRAM评级中最核心的评价要点之一。
（资料来源:HIMSS