spss心功能分级怎么比较（认知时代的CDSS如何突破应用壁垒）

数据爆炸式增长与知识图谱技术的进步，加速了临床决策支持系统（CDSS）在医疗领域的渗透，提供给患者精准、个性化医疗，为医院信息化走向认知时代带来变革机遇。但如何有效推进CDSS的落地应用，仍是人们关注的焦点。

“目前医院需要的不是一个IT产品，而是上线即可用的成熟的临床辅助决策服务，既有让医生可信的循证知识体系，又具备整合临床信息的技术能力。”上海交通大学医学院附属瑞金医院计算机中心副主任朱立峰表示，AI辅助决策是认知医疗的核心，对医疗服务、医院管理进行重构升级，但解决其“可解释性”与“标准化”问题，才能广泛地应用于临床。

CDSS的“可解释性”与“标准化”是应用关键

在我国医疗现状、顶层设计、海量数据等的驱动下，国内CDSS发展迅速并衍生出多元化的临床应用场景，成为医疗资源的“放大器”。朱立峰表示，CDSS最重要的应用价值是通过临床诊疗全过程的质量控制提高临床规范，减少医疗偏差，帮助医院实现优质、高效的医疗质量管理，“以我院VTE防治为例，CDSS在医生临床行为出现偏差时及时给予警示，系统的自动化评估也减轻了医生工作量。”

创新应用场景与服务是我国CDSS发展的突出优势，但在知识体系的构建上亟需加快步伐。医学领域将临床实践、医学知识等以文献方式留存已是成熟的实践，但形成体系的临床知识沉淀尚属少数，较具代表性的有美国的梅奥知识体系、英国的BMJ临床实践，而国内在完整性、标准化临床知识体系的建设上尚处于起步阶段。知识图谱是CDSS进行计算推理的基础，其知识来源是医院与临床关注的重点。

“CDSS应该具备标准化的知识体系，或至少能解释知识的出处，医学讲究循证证据，循证要有出处。”朱立峰表示，确保知识体系的可解释性，让临床医生能够了解知识的“出处”，才会持续信任系统推送的知识提示，并乐于在临床业务中使用CDSS，促进CDSS的价值落地。此外，系统知识需要持续更新，以弥补医生医学知识的局限性。医疗是知识密集性行业，到2020年医学知识的数量将在73天内翻一番，持续更新的知识图谱才能支持有效、合理的临床决策。

CDSS的落地应用还需解决系统集成问题。AI通过集成医院各个信息平台的数据进行分析，这考验系统的信息整合能力，且医院临床信息存在大量非结构化文本，需基于AI技术进行后结构化处理。为实现稳定和满足应用的集成交互目标，应建立系统集成与应用交互的标准。

构建知识驱动型的临床信息系统

从独立的专家知识库，到与临床深度融合的高级决策支持，CDSS在不同阶段的迭代过程中，改变了医生的知识获得方式，重塑医院的竞争战略与医疗能力。朱立峰认为，随着医学与AI技术更深度的融合，CDSS将往知识驱动型的临床信息系统方向进阶：

一是相对于目前仅面向特定业务或专科的应用，CDSS的应用场景将从“点”到“面”，全面地覆盖更多的临床专科；二是知识体系的构建及与临床信息系统的对接趋向标准化，可通过医联体建设将纳入大型医院知识体系的CDSS推向中小型医院；三是建立统一的决策支持平台，能够纳入不同CDSS产品的知识体系，使交互界面的智能提醒工具归一化，减轻医生的点击负担。

“我们还提出一个理念，希望建立一个知识驱动型的临床信息系统，结合病历数据化、辅助决策等功能，对医生的每一步决策都做出提醒与工作流程引导。”朱立峰表示，在这样一体化的平台下，CDSS、电子病历、电子医嘱等概念或会消失，真正的实现AI与临床流程无缝贴合，因为“最理想的人工智能是不可见的工作流程”。