尹梓名 呂旭東 段會龍 浙江大學生物醫(yī)學工程與儀器科學學院 （杭州市 310027）

0.概述

臨床指南（clinical guideline）是基于循證醫(yī)學的觀點，系統(tǒng)開發(fā)的多組臨床指導意見，用于幫助醫(yī)生和病人針對特定的臨床問題做出恰當?shù)奶幚?，減少醫(yī)療差錯，避免資源浪費。臨床指南的開發(fā)方法嚴謹、科學，內(nèi)容詳實、準確，是指導臨床醫(yī)務人員臨床實踐的最佳依據(jù)。盡管目前國際上已經(jīng)先后出現(xiàn)了1900 多種臨床指南，但是實際調查研究發(fā)現(xiàn)，這些臨床指南并沒有能夠很好地應用于臨床實踐，規(guī)范廣大醫(yī)療工作者的診療行為。研究表明，因為紙質臨床指南閱讀使用不便，給出的診療建議不是針對特定病人的實際情況，所以在很大程度上阻礙了臨床指南實時、高效地應用于臨床實踐。

隨著計算機技術的發(fā)展，人們開始嘗試將臨床指南的內(nèi)容數(shù)字化，即將文本形式的臨床指南按照臨床指南表達模型進行建模，形成計算機可理解、執(zhí)行的模型，并以此為基礎構建基于臨床指南的決策支持系統(tǒng)。此系統(tǒng)能夠結合患者信息執(zhí)行指南，在診療的關鍵時刻提供針對性建議，指導臨床實踐、規(guī)范診療流程。與基于文本的臨床指南相比，計算機可執(zhí)行的數(shù)字化臨床指南具有以下優(yōu)勢：

（1）與患者電子病歷數(shù)據(jù)相結合，使得計算機自動地依據(jù)臨床指南規(guī)范，在臨床實踐中為醫(yī)務人員提供各種診療和防治建議，真正實現(xiàn)規(guī)范化的臨床診療。

（2）依據(jù)數(shù)字化臨床指南，提供及時的決策支持，輔助臨床實踐，可以大大減輕醫(yī)護人員的工作強度和難度。

（3）方便醫(yī)護人員隨時查看所需的臨床指南，以這樣的方式利用臨床指南比查閱在專題論文或學報里出版的臨床指南，或者利用那些通用的、與患者的個體信息無關的臨床指南要方便有效得多，有利于醫(yī)護人員自身的再學習過程。

將基于文本的臨床指南數(shù)字化是構建基于臨床指南的決策支持系統(tǒng)的核心問題。目前，在國際上公開發(fā)布的比較成熟的臨床指南表達模型有十幾種，研究者們基于這些模型開發(fā)了臨床決策支持系統(tǒng)。理論上來說，通過將指南知識表達成計算機可執(zhí)行的，支持自動推理的臨床指南模型，給出針對病人實際情況的診療建議，會對臨床診療工作有較強的改善[1]。但是，近十年這些模型和系統(tǒng)發(fā)展得比較緩慢，新的成果不多，已經(jīng)開發(fā)出的系統(tǒng)也并沒有得到大范圍內(nèi)的應用。本文將通過介紹已有的模型和系統(tǒng)分析這些系統(tǒng)遇到的問題，并提出此類系統(tǒng)未來可能的發(fā)展方向。

1.典型臨床指南表達模型及決策支持系統(tǒng)

臨床指南表達模型是指計算機可理解的文本臨床指南的規(guī)范化表示方法。目前國際上研究較多的臨床指南表達模型有將近20 項。對臨床指南表達研究的方法主要分為兩類：一是根據(jù)人工智能和自然語言處理等技術，對文本指南整理標注，通過人工標簽的方式，將指南加工成一篇計算機可以理解的新文檔，GEM[2]是其中的代表。二是將指南中的診療過程構建成流程化的模型[3]，由一系列隨著時間展開的行為、決策、場景組成，通過圖形化的方法來表達指南的內(nèi)容，GLIF[4]是其中的代表。

1.1 PROforma

PROforma[5]模型具有明確的語法和語義，通過結合邏輯編程和面向對象的建模，實現(xiàn)基于臨床指南的決策支持和病人管理。PROforma 有四種任務：行為、復合計劃、決策和病人信息查詢。所有的工作共享屬性描述目標（attributes describing goals），控制流程，前置條件和后置條件。PROforma 的決策用規(guī)則集表達，為決策選項提供4 種不同的支持度：支持（for），確定（confiming），不 支 持（against），和 排 除（excluding）。這種方法被隨后的EON，GLIF3 和SAGE 采用。PROforma 的研究者基于PROforma 技術開發(fā)了12 個決策支持應用[6]，其中的7 個系統(tǒng)已經(jīng)做了定量評估實驗，所有的系統(tǒng)都起到了改善醫(yī)療行為的效果。

1.2 EON

EON[7]是斯坦福大學醫(yī)學信息學系建立的臨床指南知識表達模型，其目的是構建一套基于組件和接口的體系結構，使開發(fā)者能夠利用其構建臨床決策支持系統(tǒng)。EON 使用基于任務的方法定義可執(zhí)行的決策支持服務。醫(yī)療行為表達成活動圖（Activity Graphs）的形式包括場景、行為、決策、子指南和分支等。

ATHENA 決策支持系統(tǒng)是一個基于EON 實現(xiàn)的，并與電子病歷系統(tǒng)進行整合了的高血壓決策支持系統(tǒng)，已經(jīng)在美國退伍軍人部的三個醫(yī)療中心成功部署[6]。當用戶選擇一個病人后，電子病歷系統(tǒng)發(fā)送一個包含病人記錄標識號的消息給ATHENA 客戶端。ATHENA 客戶端通過指南解釋器將此消息解析，并將此病人的臨床建議通過客戶端窗口來顯示，此窗口包含了對每個建議的詳細描述，用戶可以查詢每條建議的理由。ATHENA 客戶端的功能是對所有的需求都傳遞給指南解釋器和數(shù)據(jù)庫服務器來處理，用一種友好的方式顯示指南建議。研究者對ATHENA 進行了為期15 個月的臨床評估實驗，初步結果表明，63%的病人適用于基于臨床指南的決策支持系統(tǒng)，并且系統(tǒng)的使用率一直居高不下。

1.3 Arden Syntax

Arden[8]醫(yī)學邏輯模塊語言（Arden Syntax For Medical Logic Modules）于1989 年首先由Arden Homestead 會議提出，1999 年被HL7 所采用。Arden 語言是一種基于規(guī)則的臨床指南表達語言，將醫(yī)學知識表示為獨立的單元——醫(yī)學邏輯模塊（Medical Logical Modules， MLMs）[9]。在眾多的數(shù)字化臨床指南模型中，Arden 語言是一個最為公開且成熟的語言[10]。Arden 不是為了編碼涉及多個決策或者流程序列的復雜指南，所以它經(jīng)常被用在以事件驅動的單步警報和提醒中。

Arden 曾經(jīng)在美國Columbia-Presbyterian 醫(yī)學中心驗證應用。經(jīng)過許多年的努力，Columbia-Presbyterian 醫(yī)學中心書寫了大約240 個醫(yī)學邏輯模塊，模塊的內(nèi)容得到了HL7 Arden 工作小組[11]的驗證和維護。然而，已經(jīng)很多年沒有其他研究者將他們的研究成果提交到這個網(wǎng)站。而且，除了個別生產(chǎn)商的用戶以外，目前也沒有其他的網(wǎng)站共享醫(yī)學邏輯模塊。

1.4 GLIF3

GLIF3（GuideLine InterChange Format）[12]是由哈佛大學、哥倫比亞大學以及斯坦福大學組成的InterMed 合作項目的研究者開發(fā)，用來將臨床指南表示成機器可讀格式的模型[13]，實現(xiàn)機構以及臨床決策支持系統(tǒng)之間的指南共享。模型通過指定病人數(shù)據(jù)項，臨床概念和臨床知識的行為和決策步驟來使用。GLIF3 試圖集成其他臨床指南知識表達模型的優(yōu)點，并且嘗試采用醫(yī)療保健領域現(xiàn)有的標準。GLIF3 的表達語言最初以Arden語法為基礎[14]，后來被GELLO[15]替換，并且它的默認醫(yī)學數(shù)據(jù)模型是HL7 RIM 模型（Reference Information Model，RIM）。

GLIF3 有兩個臨床應用實例[6]：一是在以色列一家初級醫(yī)療機構的門診中，使用其表達糖尿病引起的足部疾病的臨床指南；二是在哥倫比亞大學的冠狀動脈旁路移植術的術后病人護理方案中使用。護理醫(yī)師使用GLIF3 表達臨床指南，將其與基于web 的EHR 相連，使用GLEE 執(zhí)行引擎執(zhí)行。

1.5 SAGE

SAGE（Standards-Based Sharable Active Guideline Environment）[16]臨床指南知識表達模型是由IDX System Corporation、Nebraska 大學醫(yī)學中心、IHC（Intermountain Health Care）、Apelon、斯坦福醫(yī)學信息學中心以及Mayo 醫(yī)院聯(lián)合開發(fā)。SAGE 模型具有如下特點[17]：（1）SAGE 模型吸收和集成了以往臨床指南表達模型的優(yōu)點，如Activity Graph 的設計借鑒了EON 和GLIF3；Decision Map 概念源自于PRODIGY；使用多選的Decision Model 則源自于PROforma；事件驅動源自于PROforma 和GLIF。（2）SAGE 采用事件驅動方式，與臨床工作流結合，強調在適當?shù)臅r機提供適當?shù)呐R床決策支持。（3）標準化表達，采用基于HL7 V3 RIM 的數(shù)據(jù)模型；利用SNOMED CT、LONIC 編碼作為醫(yī)學術語表示的標準；使用GELLO 作為其邏輯表達語言。這些標準，使得模型對外表現(xiàn)為統(tǒng)一接口，方便了臨床指南表達模型集成到電子病歷系統(tǒng)以及與其他指南表達模型的知識共享，為兼容多個指南表達模型的臨床指南知識表達框架的出現(xiàn)奠定了基礎。

為了驗證SAGE 的可行性，SAGE 的研究者們利用SAGE 模型對免疫指南和糖尿病指南進行了表達，并將以SAGE 模型為基礎的決策支持系統(tǒng)集成到Mayo 診所和內(nèi)布拉斯加大學醫(yī)學中心的臨床信息系統(tǒng)中[18]。

2.基于臨床指南的決策支持系統(tǒng)面臨的挑戰(zhàn)

在過去的十年中，臨床指南表達模型的研究者與臨床決策支持系統(tǒng)的開發(fā)商進行了大量的合作，希望能將基于臨床指南的決策支持系統(tǒng)集成到醫(yī)護人員日常的工作流程中。但無論國內(nèi)外，在臨床實際中投入廣泛長期應用的系統(tǒng)并不多，系統(tǒng)仍然有很多局限性。

（1）臨床指南表達模型的標準化不足

臨床決策所基于的臨床知識有時候是跨專業(yè)的，這就要求基于臨床指南的決策支持系統(tǒng)是建立在知識共享和互操作的基礎上，而知識的共享必然面臨知識的標準化問題。因為需求和目標仍然在變化，因此，在數(shù)字化臨床指南領域進行知識標準化的相關工作條件并不成熟，很多研究者的研究思路已經(jīng)從開發(fā)一個完全的指南模型轉變?yōu)殚_發(fā)指南模型的標準化組件。但是，標準中應該包含哪些組件仍然有爭議，從組件的標準到形成一個完整的計算機可執(zhí)行的臨床指南標準的過程還不十分清楚。

（2）不確定性臨床知識的表達不充分

前文提到的這些指南表達模型雖然涵蓋了臨床指南表達研究工作的大部分領域，然而，他們對于臨床指南中的不確定性知識的表達方法的研究卻較少涉及。但是這種不確定性在醫(yī)學中是非常常見的：①并非所有醫(yī)學指標都能精確量化，一些醫(yī)學指標需要醫(yī)生的主觀判斷；②對于很多醫(yī)學指標的正常范圍的界定也存在模糊性；③診療過程中由于某些信息的缺失或者客觀條件所限無法獲取到等情況的存在，也限制了臨床指南的準確執(zhí)行；④由于目前醫(yī)學發(fā)展的水平，還不能從本質上揭示各類疾病產(chǎn)生的根本原因，對于疾病產(chǎn)生的根本原因——生物學機理的不完全的理解，使得疾病在表面上呈現(xiàn)出多樣性，因此，臨床指南很難精確描述各種疾病的成因、診斷治療方案。不確定性知識的表達研究對于提高臨床決策支持系統(tǒng)給出的診療建議的正確性有非常大的幫助。

（3）沒有充分考慮不同醫(yī)生對決策支持的不同需求

由于醫(yī)生自身知識和經(jīng)驗的積累不同，他們對決策支持的需求也不一樣。一般來說，初級醫(yī)生需要更活躍的決策支持，而經(jīng)驗豐富的醫(yī)生則希望得到選擇性的支持，更自主地進行臨床決策。過多的提醒提示會引起“提醒疲勞”，過少的提醒提示則很容易忽略臨床中的關鍵問題?，F(xiàn)有的系統(tǒng)大都過于強調機器決策，這不利于臨床決策支持系統(tǒng)的推廣，也是不科學的，因為決策本身應該由人來完成。

（4）無法適應臨床指南的快速變化

我們正處在一個知識爆炸的時代，循證醫(yī)學的證據(jù)層出不窮，臨床指南在不斷更新。一個基于臨床指南的臨床決策支持系統(tǒng)，應該支持并適應臨床指南的快速變化。而這一點，現(xiàn)有的系統(tǒng)卻大都沒有做到。

3.基于臨床指南的決策支持系統(tǒng)的發(fā)展方向

針對基于臨床指南的決策支持系統(tǒng)面臨的問題，未來的研究應該著重在如下幾個領域：

3.1 計算機可執(zhí)行的臨床指南知識共享

構建跨執(zhí)行機構的，跨不同國家和地區(qū)的，可共享，可執(zhí)行的知識一直是臨床指南模型開發(fā)者為之奮斗的目標。然而，由于計算機可執(zhí)行的臨床指南格式的多樣性和臨床指南本地化的需求，共享計算機可執(zhí)行的臨床指南并不是一項簡單的工作。Medinfo 2010 專家組在[19]中從技術和商業(yè)模式等角度討論了研究者們在這個方向上所做的工作。為了促進指南模型的共享，DeGel[20]和openclinical 組織正在建立計算機可執(zhí)行的指南模型庫和不同指南表達形式下可執(zhí)行的組件，而一個可以執(zhí)行不同臨床指南模型的引擎已經(jīng)被開發(fā)出來[21]。

3.2 融合多個臨床指南的決策支持系統(tǒng)

隨著人口老齡化的加劇，在患病群體中老年人的比例會越來越多。許多老年人不只有一種疾病，而是患有合并癥。對于有合并癥的病人應用多個臨床指南，每一個指南關注一個不同的合并癥。將針對合并癥的多個臨床指南納入到同一個決策支持系統(tǒng)是一項重要的挑戰(zhàn)，然而，目前在這方面的研究并不多。

3.3 知識表達的多樣性和準確性

如前所述，現(xiàn)有的臨床指南知識模型更多關注的是指南中確定性知識的表達，而對于非確定性的知識，除了Arden syntax 的研究者推出Fuzzy Arden syntax 以外，沒有研究者進行過研究。而這一部分知識在臨床中必不可少，是決策支持系統(tǒng)能否得出正確結論的關鍵，所以，如何對現(xiàn)有模型進行改造升級，使之包含這部分知識的表達，是研究者們需要研究的方向。

3.4 構建可共享、可移植的臨床決策支持服務模式

從專家系統(tǒng)到臨床決策支持系統(tǒng)幾十年實踐中最深刻的一個經(jīng)驗是，一個在某個環(huán)境下非常成功的臨床決策支持應用往往很難成功的移植到其他的臨床機構中。這其中涉及的數(shù)據(jù)的標準化、臨床工作流程的多樣性以及知識庫的差異需求等因素，改變這個狀況一方面需要臨床標準化程度的提高，使得各類臨床數(shù)據(jù)在不同機構中具有統(tǒng)一的形式、結構和意義。同時也需要從體系上改變臨床決策支持的框架，傳統(tǒng)的獨立臨床決策支持系統(tǒng)的方式很難具備不同臨床環(huán)境下的集成應用和知識的共享，而近年來云計算架構的發(fā)展，使得基于開放網(wǎng)絡協(xié)議如 SOAP（simple object access protocol）和 REST（representational state transfer）構建的網(wǎng)絡服務，可以支撐跨平臺的各類臨床決策支持應用，并方便實現(xiàn)對于跨機構甚至跨地區(qū)的統(tǒng)一服務，這將會是將來臨床決策支持一個新的發(fā)展方向。

4.總結

研究開發(fā)基于臨床指南的決策支持系統(tǒng)有助于提高醫(yī)生的診療水平，提高醫(yī)療服務質量，最終使患者受益。本文分析了基于臨床指南的決策支持系統(tǒng)的發(fā)展現(xiàn)狀和存在問題，并指出進行臨床指南模型標準化和組件化建設，以及開展融合多個臨床指南、臨床知識的不確定性表達和新型決策支持服務模式等方面的研究，將是今后基于臨床指南的決策支持系統(tǒng)研究的主要任務。

[1] A. Latoszek-Berendsen, H. Tange, H. Van Den Herik, and A. Hasman, "From clinical practice guidelines to computerinterpretable guidelines. A literature overview," Methods of information in medicine, vol. 49, pp. 550-570, 2009.

[2] R. N. Shiffman, B. T. Karras, A. Agrawal, R. Chen, L. Marenco, and S. Nath, "GEM: a proposal for a more comprehensive guideline document model using XML," Journal of the American Medical Informatics Association, vol. 7, pp. 488-498, 2000.

[3] M. Peleg, S. Tu, J. Bury, P. Ciccarese, J. Fox, R. A. Greenes, et al., "Comparing computer-interpretable guideline models: a case-study approach," Journal of the American Medical Informatics Association, vol. 10, pp. 52-68, 2003.

[4] M. Peleg, A. A. Boxwala, O. Ogunyemi, Q. Zeng, S. Tu, R. Lacson, et al., "GLIF3: the evolution of a guideline representation format," in Proceedings of the AMIA Symposium, 2000, p. 645.

[5] D. R. Sutton and J. Fox, "The syntax and semantics of the PROforma guideline modeling language," Journal of the American Medical Informatics Association, vol. 10, pp. 433-443, 2003.

[6] Methods and tools for representing computerised clinical guidelines. Available: http://www.openclinical.org/gmmsummaries.html

[7] M. A. Musen, S. W. Tu, A. K. Das, and Y. Shahar, "EON: A component-based approach to automation of protocol-directed therapy," vol. 3, ed: Am Med Inform Assoc, 1996, p. 367.

[8] J. Poikonen, "Arden Syntax: the emerging standard language for representing medical knowledge in computer systems," vol. 54, ed: ASHP, 1997, p. 281.

[9] H. L. Seven, "Arden Syntax for Medical Logic Systems," ed, 2005.

[10] 江捍平, "美國衛(wèi)生信息工作標準HL7——跨醫(yī)療衛(wèi)生體系信息交換理論入門," 北京：科學出版社, pp. 127-129, 2005.

[11] Arden Syntax Work Group. Available: http://wiki.hl7.org/index.php?title=Arden_Syntax_Work_Group

[12] M. Peleg, A. A. Boxwala, S. Tu, R. A. Greenes, E. H. Shortliffe, and V. L. Patel, "Handling expressiveness and comprehensibility requirements in GLIF3," ed: IOS Press, 2001, pp. 241-245.

[13] L. Ohno-Machado, J. H. Gennari, S. N. Murphy, N. L. Jain, S. W. Tu, D. E. Oliver, et al., "The guideline interchange format: a model for representing guidelines," vol. 5, ed: Am Med Inform Assoc, 1998, p. 357.

[14] M. Peleg, A. A. Boxwala, E. Bernstam, S. Tu, R. A. Greenes, and E. H. Shortliffe, "Sharable representation of clinical guidelines in GLIF: relationship to the Arden syntax," vol. 34, ed: Elsevier, 2001, pp. 170-181.

[15] M. R. Daliri, "Automated diagnosis of Alzheimer disease using the scale-invariant feature transforms in magnetic resonance images," Journal of medical systems, vol. 36, pp. 995-1000, 2012.

[16] J. R. Campbell, S. W. Tu, J. G. M. PhD, J. I. Boyer, J. McClay, C. Parker, et al., "The sage guideline model: A knowledge representation framework for encoding interoperable clinical practice guidelines," vol. 9, p. 10, 2003.

[17] S. W. Tu, J. R. Campbell, J. Glasgow, M. A. Nyman, R. McClure, J. McClay, et al., "The SAGE Guideline Model: achievements and overview," vol. 14, ed: Elsevier, 2007, pp. 589-598.

[18] S. W. Tu, J. R. Campbell, J. Glasgow, M. A. Nyman, R. McClure, J. McClay, et al., "The SAGE Guideline Model: achievements and overview," Journal of the American Medical Informatics Association, vol. 14, pp. 589-598, 2007.

[19] M. Pelega, J. Foxb, R. Greenesc, and S. Rafaelid, "Sharing guidelines knowledge: can the dream come true?."

[20] Y. Shahar, "The “Human Cli-Knowme” project: building a universal, formal, procedural and declarative clinical knowledge base, for the automation of therapy and research," in Knowledge Representation for Health-Care, ed: Springer, 2012, pp. 1-22.

[21] D. Isern and A. Moreno, "Computer-based execution of clinical guidelines: a review," International journal of medical informatics, vol. 77, pp. 787-808, 2008.