2023罕见病临床决策支持系统的进展和挑战.docx

《2023罕见病临床决策支持系统的进展和挑战.docx》由会员分享，可在线阅读，更多相关《2023罕见病临床决策支持系统的进展和挑战.docx（15页珍藏版）》请在第一文库网上搜索。

1、2023罕见病临床决策支持系统的进展和挑战摘要罕见病影响全球3亿多人口，提高疾病筛查与诊断能力对改善患者预后、减少医疗资源消耗至关重要。随着信息技术飞速进步，临床决策支持系统(c1inica1decisionsupportsystemzCDSS)为疾病筛查与诊断提供了技术支撑，特别是在病历电子化时代，CDSS在数据集成、行为干预等方面有了更大进展，但同时亦面临诸多挑战。本文通过对罕见病CDSS的进展进行综述，剖析存在的挑战与发展方向，为国内罕见病筛诊领域CDSS的建设提供参考。罕见病是指发病率极低的一类疾病，又称孤儿病。世界卫生组织将罕见病界定为患病人数占总人口65/10万100/10万的疾病

2、，目前已发现近8000种。据统计，罕见病的患病率虽低，但全球总患者人数超过3亿，在我国至少影响2000万人群，且约80%的罕见病由遗传缺陷导致,多具有遗传异质性，儿童期发病占75%以上【1】。罕见病具有诊断困难、治疗难度偏大、有效治疗药物偏少等特点。人工智能的发展推动临床决策支持系统(c1inica1decisionsupportsystem,CDSS)不断被研发，可在医疗中提供疾病预警、诊疗建议、医嘱监测等智能服务，并已成功应用于静脉血栓栓塞症(venousthromboembo1ism,VTE)、脓毒症、心血管疾病等领域，为破解不同科室、不同资历医生的疾病识别等难题提供了新方法。CDSS的

3、发展为罕见病的筛查和诊断带来了希望，有望通过人工智能技术改善罕见病的漏诊、误诊，提高诊疗质量，为患者争取了治疗时间，并减少医疗资源消耗。现结合常见疾病筛查诊断的CDSS应用，对罕见病诊断领域的CDSS进展进行回顾，剖析存在的挑战与发展方向，为国内罕见病筛查诊断的CDSS建设提供参考。一、CDSS为罕见病早期筛查早期诊断提供新方法由于罕见病种类繁多，单个病种病例少，临床表型与常见病重叠较大，大部分医务人员缺乏相关诊疗经验，早期识别意识较薄弱，导致罕见病容易误诊或漏诊，患者往往面临漫长、曲折的求医历程。以溶酶体贮积症(Iysosoma1storagediseases,1SDs)的戈谢病(Gauch

4、erdisease,GD)为例，临床误诊率为61.9%,患者平均确诊时间为4.48年【2】。由于罕见病病情进展迅速，累及多器官、多系统，延迟诊断将耽误患者的最佳治疗时机，给家庭和社会带来沉重的负担。为破解罕见病诊疗难题，近年来，我国通过发布首批罕见病目录，组建全国罕见病诊疗协作网等措施，对提升临床的认知度和诊疗能力提供了政策保障。罕见病的临床表现多样且复杂，血液内科、肾内科、呼吸内科、神经内科、消化内科、遗传代谢科、内分泌科、心血管内科等内科科室均是常见的就诊科室，其诊疗过程亦需多学科团队联合会诊。罕见病筛查和诊疗中使用CDSS,可弥补临床医生因对罕见病认知不足而导致的漏诊、误诊，扩大罕见病筛

5、查覆盖率，提升多学科会诊效率，从而为患者争取最佳的治疗时机。随着罕见病诊疗知识在全球范围内的普及与深入认识，以及医院临床数据的积累，为建立罕见病筛查的人工智能模型奠定了基础。而CDSS在VTE、脓毒症、心血管疾病、ICU、肿瘤等领域积累的数据分析、机器学习、语言处理、人机交互等应用经验，有望将积累的罕见病诊疗经验落地于临床诊疗中，为医生提供罕见病筛查预测和诊疗建议。二、CDSS的构建1. CDSS定义:VanBemme1和MUSen【3将CDSS定义为将临床数据作为输入信息，将结论作为输出信息，有助于临床医生决策，并被认为具有智能性的软件。与传统将疾病知识、药品说明书等知识录入系统供医生查询浏

6、览的知识库不同，CDSS提供的是决策支持，而非信息支持。大多数CDSS包括三个核心要素：推理引擎、知识库和人机交互接口，在应用中，以Web式应用程序、或与医院电子病历系统和医嘱系统集成，基于知识库、自然语言处理、逻辑推理等人工智能方法，挖掘患者病历数据中的关键特征，发现知识关联，并输出对疾病风险评估、治疗方案、异常指标预警等不同知识内容，通过人工智能驱动的接口引擎，推送给医生参考。2. CDSS发展史：CDSS研究始于20世纪50年代末，限于当时的系统集成能力，其应用多局限于学术研究或作为独立专家系统存在。20世纪70年代末,我国医学专家开始系统的研发，涉及中西医不同领域。自90年代始，CDS

7、S的研发、应用及论文发表数量均快速增长，基于Web形式的CDSS相继出现。2009年后，欧美国家逐步在其国内推进电子病历系统的使用，为嵌入类CDSS的发展提供了良好环境，使其可无缝接入医院信息系统，契合医疗业务流程提供决策支持，更贴近临床工作需求。罕见病领域的临床决策工具，研究起步较晚，绝大多数系统的开发集中在2000年以后，且主流应用是基于Web的交互式系统，如人类染色体不平衡和表型数据库(databaseofchromosoma1imba1anceandphenotypeinhumansusingensemb1eresources,DECIPHER)【4】、表型中心门户网站(Phenome

8、CemraI)51等，允许医生在线上注册免费使用，通过患者基因型与表型数据的整合分析匹配相似病例。自2019年始，罕见病的CDSS发展迅速,单个疾病的预测模型成为研究热点，但多停留在系统模型设计或内部验证。我国罕见病CDSS的发展受益于国家政策对智慧医院建设的强力推动，使医院电子病历的使用率大幅提升，为临床决策支持工具的应用奠定基础。智慧医疗评价体系中设置的CDSS评分项目，推动更多医院在电子病历中建设相应模块，并逐步探索多元化业务场景，罕见病辅助诊疗研究由此加速推进，自2023年起逐渐向系统嵌入类方向发展。3. CDSS与医疗场景紧密结合的实现方式：要实现CDSS在患者治疗期间适当时间点有效

9、传达疾病预测或诊断建议，原理主要包括以下步骤：（1）构建系统的知识图谱（包括疾病知识等）或规则引擎（如疾病推理流程），使用真实病例数据训练与验证疾病预测模型；（2）将已优化的预测模型嵌入医院信息系统，通过智能接口实时采集医疗环境中的诊疗数据；（3）医护人员进行电子病历书写等操作时，系统利用自然语言处理方法抽取患者病历文本中的实体与实体间的关系，及对应的知识图谱或规则引擎进行映射，形成一套完整的建议方案，在人机交互接口处进行提醒，使医护人员在诊疗过程中可实时获得有用信息，提高医疗质量与效率。Gao等【6的研究显示，在VTE的预防中,CDSS可从院内电子病历、实验室信息系统等信息平台自动收集和分析

10、患者信息，通过提取-转换-加载、自然语言处理等技术，结合系统嵌入的VTE评估量表、临床指南，向临床医生提供及时准确的提醒和决策支持，CDSS的风险预警与预防建议采取了卡控方式，即在电子病历系统上自动弹出大窗提醒，临床医生若不接受建议，须在弹窗中输入合理的解释才可保存病历，由此加强行为干预力度。预测单个疾病通常使用基于机器学习的CDSS,无须构建大型医学知识库，主要通过定义疾病预警规则，在人工智能算法的驱动下，采用医院多个数据源进行识别预测变量和计算结果。A1-Jaghbeer等7的研究显示，在多家医院的电子病历系统中部署CDSS,通过监测患者的血肌醉变化，在电子病历中相应指标旁提醒疑似急性肾损

11、伤（acutekidneyinjury,AKI）,并依据改善全球肾脏病预后组织（kidneydiseaseimprovingg1oba1outcomeszKDIGO脂南进行AKI分级。这种通过识别预测变量自动筛查高危患者的方法，可帮助医生在繁忙的临床工作中准确把握疾病评估节点，全面挖掘高风险群体，同时省去翻阅病历、人工评估等操作，提高临床工作效率。三、CDSS应用场景（-）常见疾病的筛查与诊断CDSS在医学领域已广泛应用，疾病预测（通常为单个疾病的预测）是其中较为成熟的领域，与医院电子病历集成的算法模型自2014年后持续增加，2023年后在国内进入新的应用阶段,目前已覆盖VTE、脓毒症、AKI

12、、恶性肿瘤、心血管疾病、眼病等疾病领域，主要采用电子警报、医嘱套餐、患者数据报告等表达形式供医生查阅，且已有大量研究文献从模型性能、临床行为改善程度、患者预后等不同维度验证CDSS的干预效果。2019年，Mayo诊所的研究人员基于454789份患者心电图数据，利用人工智能技术制作的卷积神经网络模型【8】，可通过健康人群与心房颤动患者的心电图的差异性分析，作出心房颤动的诊断，模型的曲线下面积（AUC）达0.87o2023年，Goh等19】的研究显示,使用人工智能算法与真实临床数据构建的脓毒症预测模型，在脓毒症患者确诊前12h获得理想预测准确率为94%,敏感度为87%,并具有将脓毒症早期检出率提高

13、32%的能力。在眼科领域，视网膜病变是糖尿病常见的并发症，但有较多患者不能及时筛查。澳大利亚一项使用人工智能进行糖尿病视网膜病变筛查的真实世界研究显示【1。，使用CDSS自动分析患者视网膜图像，可同时筛查青光眼、视网膜病变和年龄相关性黄斑变性，系统的AUC为0.92,敏感度为96%,助力实现视网膜病变的准确快速评估。Zhou等【”】的研究显示，通过将CDSS嵌入临床工作流程中，提醒医生VTE相关风险和及时用药,可使院内使用药物抗凝率提高14.57%,VTE发生率降低19.35%oA1-Jaghbeer等【7对入院前无终末期肾病的528108例者进行多中心、连续性分析发现，通过CDSS的实时风险

14、预警与病情分级，使AKI患者粗病死率从10.2%降至9.4%,平均住院时间减少03d,提示实施CDSS有助于改善患者预后，减少医疗资源消耗。我1面向SS个翠见篇的坛床决W1支持票比WR1/UISna94Ma3HKMMU2J怜暇郭秀M见(M)我用向E($4)WUe9P59%.WW973.Iem寸袋SUKO(131!tr化Z公主6壬/BognrB2得aIW70-100%*92禽Jvw(M)袤住t也ftMR1im1：M)OueM我与匕giQMwxtt*Rivav*a(GtOT)讦分en9Bf1!032.8axWWiBMMEafiy(OM1)rMCSRC3MAZ3g3520外t0!K(S)日上陕界事儿

15、9发0v4MZB7Jt2435?分双WFS.WW07-7%.MTK.9WWteroTMJM：KXAR%HTTCO局九WUtW41攵E9堂&*(二)罕见病筛查与诊断支持罕见病诊断领域的CDSS应用，一般基于机器学习模型或知识库如人类表型本体(HPO)等,通过影像分类、疾病表型和基因型分析、真实世界数据分析等方法进行疾病预测，多以分数的形式输出结果。依据现有罕见病CDSS的决策任务，其大致可分为面向单个罕见病的CDSS和面向多种罕见病的CDSS两大类。1.面向单个罕见病的CDSS:面向单个罕见病的CDSS主要使用机器学习模型，从电子病历等真实世界数据中挖掘出隐藏的患者表型，为疾病诊断提供更丰富的知识源。Jefferies等【8建立了一个大样本法布雷