《临床决策支持系统剖析》由会员分享，可在线阅读，更多相关《临床决策支持系统剖析（11页珍藏版）》请在金锄头文库上搜索。
1、临床决策支持系统,目录,1 定义 2 目标与功能 3 组成 基于知识库 基于非知识库 4 构建方法 5 瓶颈,定义,最早，Osheroff把临床决策支持定义为“运用相关的、系统的临床知识和患者信息，加强医疗相关的决策和行动，提高医疗水平和医疗服务。” 目前，临床决策支持的概念仍在不断更新，目前主流的工作定义是Robert Hayward提出的：“连接临床观察与临床知识，影响临床决策，改善临床结果”。这一定义将CDSS简化为功能概念。,美国医药信息学会（American Medical Informatics Association）将CDSS定义：为医务工作者、病人或任何个人提供知识、特定个体
2、或人群信息，在恰当的时间，智能化的过滤和表达信息，为的是提供更好的健康、诊疗和公共卫生服务；或者CDSS是在正确的时间，对正确的对象，提供正确的信息，这有别于人工智能和专家系统。,目标与功能,CDSS是提升医疗质量的重要手段，因此其根本目的是为了评估和提高医疗质量，减少医疗差错，从而控制医疗费用的支出。临床医生既可以通过CDSS的帮助来深入分析病历资料，从而做出最为恰当的诊疗决策，也可以通过输入信息来等待CDSS输出“正确”的决策进行选择，并通过简单的输出来指示决策。,新的CDSS实现辅助决策的理论主要关注于临床医生与CDSS之间的互动，以便于利用临床医生的知识和CDSS对医学知识的系统管理，
3、更好地分析患者的信息，这样的作用较之于人或者CDSS系统本身具有更大的优越性。 另一个重要的CDSS分类系统是基于它被使用的时机。医生利用这些系统来提供服务以便于在他们处理病人时得到帮助，即被使用的时机为诊断前、诊断中和诊断后。,组成,基于知识库 大多数CDSS由三部分组成，即知识库、推理机和人机交流接口部分，只是部分依赖包括编译信息的规则与联系，通常采用IF-THEN规则来存储和管理知识。,基于非知识库 基于非知识库的CDSS系统多采用人工智能的形式，这种人工智能能在近年的CDSS研发中被称为机器学习，可以允许计算机从既往经验中或是其他临床资料中获得知识。两种非知识依赖系统分别基于人工神经网
4、络和遗传算法。包括人工神经网络、遗传算法。,构建方法,临床决策支持系统可以采用多种不同的方法来构建和实现临床决策支持系统功能模块。分析现行的临床决策支持系统建模过程，一般包括如下基本方法：贝叶斯网络、人工神经网络、遗传算法、产生式规则系统、逻辑条件、因果概率网络。,瓶颈,医学知识和疾病的复杂性导致了在设计CDSS时需要考虑非常多患者因素，同时新发表的临床研究数以万计，质量参差不齐，如何将最高质量的证据用于CDSS是非常困惑设计者的事情。 临床工作流程的复杂性也增加了CDSS整合至HIS系统的难度。尤其是不少医院对于内外网有着严格的逻辑隔离甚至是物理隔离，进一步限制了一些在线CDSS的院内应用。,
