HIS中的决策支持系统-卫生部教材

1、8. HIS 中的决策支持系统医院信息系统中的决策支持系统包括医学决策支持和管理决策支持。医学决策支持主要讨论医疗工作中的计算机辅助决策支持问题，管理决策支持主要讨论计算机辅助管理决策问题。两类决策支持的基本实现方法都是来自于同一类技术统计学、数据仓库、 人工智能等技术， 只不过临床决策支持偏重于使用人工智能技术，管理决策支持偏重于使用统计学和数据仓库技术。 但是，数据仓库与人工智能中的知识发现（自学习）技术本来就是一个问题的两种名称。 为了方便， 我们在医学决策支持中介绍人工智能技术，在管理决策支持中介绍数据仓库技术。8.1.医学决策支持的基本概念8.1.1. 基本概念决策是医生的主要工作。

2、理论上，决策包括列出可能的方法或策略、制定决策顺序、选择最合适的解决方案。但是，医学决策通常不能够十分简单的按照以上流程完成，因为医学问题十分复杂， 对于一个病人的临床表现， 经常有太多可能的诊断假设； 在众多的诊疗方法中，仅有几个方法可用。而医学知识帮助医生在众多的选择中作出判断。在计算机应用中，人们很自然地想到使用计算机帮助医生进行医学决策，这就是医学决策支持。 自从计算机刚刚诞生不长的时间，人们就开始了计算机用于医学决策的研究。从最早的统计学方法， 到后来的基于规则的医学专家系统、 再后来的神经网技术， 人们花费了大量的资金， 尝试了各种技术和算法， 试图解决人类的智能模拟问题， 而医学

3、又是最合适的研究领域。8.1.2. 医学决策基本过程要研究医学决策支持，首先需要研究医学决策的基本过程。决策是医生的主要工作。理论上，决策包括列出可能的方法或策略、制定决策顺序、选择最合适的解决方案。但是，医学决策通常不能够十分简单的按照以上流程完成，因为医学问题十分复杂，对于一个病人的临床表现，经常有太多可能的诊断假设；在众多的诊疗方法中，仅有几个方法可用。而医学知识帮助医生在众多的选择中作出判断。临床推理通常包括三种类型：逻辑推理、归纳推理和启发式推理图 8-1。逻辑推理归纳推理启发式推理前提 :前提 :前提 :？已存在的论据已存在的论据已存在的论据逻辑规则规则, 规律？规则, 规律？结论

4、 :结论 :结论 :结果论据结果论据结果论据1图 8-1. 不同推理类型示意图逻辑推理的一般形式是，如果A 能够推出B， B 能够推出C，则 A 一定能够推出C。如病人检查乙肝核心抗体阳性，规则显示抗体阳性说明感染了乙肝，则该病人有乙肝感染。在医学实践中， 能够使用这种严格的逻辑推理的情况极为罕见，因为医学没有十分严格的规律。如病人转氨酶高于正常值，而转氨酶高大多见于甲肝或乙肝，因此病人很可能患甲肝或乙肝。 这类分析可以归入归纳推理。而临床最多见的是启发式推理：在完成一次推理过程以后，得出的初步结论作为第二次循环推理的前提，这样循环推理， 逐步求精，最终得出比较准确得的结论。 启发式推理是一个

5、动态过程，在临床诊断过程中可以用诊断反馈循环图表示图 8-2。获取临床资料形成临床诊断假设确定临床诊断图 8-2. 诊断反馈循环是诊断逐步求精的过程图 8-2 描述了一个医学诊断的反馈式循环。临床医生通过问诊、体格检查、进行各项检查、检验获取病人有关疾病的信息，不断优化自己的诊断结论。这是一个逐步求精的过程，它也符合人类一般认识事务的过程。医学决策中的非确定性一直备受关注， 正像前面提到的转氨酶高与甲肝或乙肝关系的例子。涉及转氨酶高的疾病很多，结合发生概率，可以列出顺序表。8.2.医学决策支持的基本技术8.2.1.概率方法与决策分析(Bayes) 理论。贝叶司可概率方法可以部分解决非确定性问题

6、，其中主要使用贝叶司以通过综合不同临床表现的概率得出不同疾病诊断的概率。P(D i). P(S|Di )P(Di |S)=nP(Di). P(S|Dj)j=1公式中， D i 为第 i 个疾病， P(Di)为疾病 D i 的先验概率（疾病发生概率） ，P(S|Di)为疾病 Di 的症状 S 发生的概率， P(D i|S)为症状 S 提示疾病 Di 发生得概率 （后验概率） 。如果存在多个临床表现，可以计算出对不同诊断的提示强度。下面给出一个具体的例子 表 8-1 。D i先验概率 P(Di)P(PRLQ|D i)P(PLLQ|D i)阑尾炎0.100.800.10输卵管炎0.050.500.5

7、0其他0.850.050.052表 8-1. 疾病临床表现发生概率表其中：D I 为第 i 个疾病，先验概率 P(D i) 为该疾病可能发生的概率， PRLQ 为右下腹疼， P(PRLQ|D i )为右下腹疼在 D i 疾病的概率， PLLQ 为左下腹疼， P(PLLQ|D i)为左下腹疼在 Di 疾病的概率，可以得到三种疾病（阑尾炎、输卵管炎、其他）的后验概率，既该症状对该疾病提示的概率 表 8-2 。D iP(D i |PRLQ)P(D i |PRLQPLLQ)阑尾炎0.540.35输卵管炎0.170.55其他0.290.09表 8-2.疾病发生概率表其中， P(D i |PRLQ) 为右

8、下腹疼对 Di 诊断的提示强度（概率） ， P(D i |PRLQPLLQ) 为右下腹疼和左下腹疼同时存在对 D i 疾病的提示强度（概率） 。贝叶司公式使用的难点在于估计先验概率和条件概率，同时要求所有条件之间必须线性无关，实际工作中很难满足这种条件，因此使用不多（早期医学决策支持研究较多）。8.2.2.(Decision Tree)医学启发式推理过程实际是作出一组决策的过程，例如：应该进一步获得病人的哪些信息？应该做什么检查？哪些治疗措施比较合适，应该给病人哪些建议等。在形成这些判断的过程中， 每一步都需要在众多的选择中作出决策。这个过程构成了一个树形结构的决策树图 8-3。主诉腹部疼痛右

9、上腹疼左上腹疼右下腹疼左下腹疼.胆囊炎阑尾炎宫外孕卵巢囊肿扭转.手术治疗保守治疗3图 8-3. 阑尾炎诊断和处理的决策过程（决策树）这种树形结构可以分成三个层次：临床表现层、诊断层和治疗层 图 8-4。其中临床表现层的内部节点表示临床可以获得的主诉、症状、体征以及各种检查方法获得的信息。多个临床表现节点对应一个诊断层中的诊断节点。而一个诊断节点又会对应多个治疗方案图8-4a 。由于人类认识疾病的知识有限，因此临床表现是可以穷举的。多个临床表现对应一个诊断，正向是充分条件，逆向是必要条件。图8-4b 表示在诊断层，将一般诊断进一步细化为一组子诊断， 以便更有针对性地治疗。 从理论上讲， 一个充分

10、细化的子诊断只对应一组治疗方案是最理想的，因为诊断的目的就是为了指导治疗。临床表现层诊断层治疗层图 8-4a图 8-4b图 8-4 临床表现诊断治疗集合的映射关系医学中的鉴别诊断实际是判断概念外延的工作。不同疾病可以看成为不同的概念集合，而不同疾病之间有很多交集（重合部分）。医学鉴别诊断的目的就是在交集部分将不同集合区分开的工作。好大夫与没有经验的大夫的区别在图8-5 可以表示出来。实际上，医学的诊断和鉴别诊断应该在 N 维坐标系中表示 图 8-6 。这样可以清楚的看到诊断和鉴别诊断的两个因素： 一个是坐标系的维度、 一个是每一维的刻度， 这两个因素决定了诊断和鉴别诊断的精度。 如果两个相交的

11、疾病，从第三维来看， 就可能完全不相交。 这就是为什么临床要尽量多地获取病人信息。同时，尽量准确的临床信息表现在图8-6 中是每一维的刻度，这也是疾病诊断和鉴别诊断的重要因素之一。疾病 A交集疾病 B疾病 A交集 疾病B没有经验的医生有经验的医生图 8-5. 疾病鉴别诊断的集合模型4诊断疾病 A相疾病C关因疾病B素2诊断相关因素 3诊断相关因素 1图 8-6. 多维空间中疾病诊断和鉴别诊断模型由于医学知识的非确定性，决策过程的不同选择的权重系数是不同的。从概率方法可以得知每一种选择的概率， 这样的决策树将更容易引导用户得出正确的结论。 下面是一个带概率系数的决策树例子 图 8-7 ，这是一个

12、68 岁患有糖尿病左脚受伤继发感染可能引起坏疽的病例， 两种治疗方案可供选择： 截肢或者保守治疗，保守治疗如果无效，可能需要切除更大范围的患肢或者引起死亡，立即截肢也有可能引起死亡。根据概率可以选择最佳治疗方案：立即截肢（实用方案(utility) ）的概率为0.970。0.970有效性结果存活 (0.99)0.98膝以下截肢立即截肢死亡 (0.01)0.00死亡瘢痕信息 (0.7)1.00康复扩大范围 (0.3)存活 (0.9)膝以上截肢等待0.95膝以上截肢0.00死亡0.956死亡 (0.1)0.855图 8-7. 带概率系数的决策树8.2.3. 符号推理和专家系统自从 70 年代后期，

13、符号推理的专家系统得到了很大的发展，重点突破在医学应用，其代表系统是美国斯坦福大学的Mycin 系统。 Mycin 使用产生式规则构建推理系统，其一般形式为： if 条件then 结论。在 Mycin 中的一条规则如下：5if:细菌培养为格兰氏阴性组织形态学观察为杆状患者病情危重then: 建议（可信度 =0.6）感染源为假单胞菌属Mycin 使用了可信度(Credibility Factor, CF)作为每一条规则的提示强度。这十分类似前面提到的概率参数。但是，在 Mycin 中， CF 值是由专家制定的。其理由是，在现有资料的条件下，几乎无法给出或计算出发生概率。基于一组规则建立的系统可以

14、构成一颗知识树，得到医学结论，实际是搜索这棵树。为了高效搜索，可以使用宽度优先、深度优先或混合搜索的策略。8.2.4. 神经网 (Neural Networks)和连接系统 (Connectionist Systems)虽然最早的连接系统产生于1940 年到 1950 年，但真正得到迅速发展还是在上个世纪80 年代。由于计算机性能的快速发展，大量复杂的计算可以实现。神经网的基本思想是用数学的方法模拟人类神经系统，构建一个网络模型，通过大量样本训练该网络，使网络能够根据不同的输入产生相应的输出。该方法自90 年代后期趋于冷淡，因为本质上还是一种基于概率的统计方法，对于医学复杂情况、低劣的数据质量

15、、大量不能量化的数据，神经网方法仍然显得无力。8.3.几个典型的医学决策支持系统8.3.1. Mycin 系统M 自从 70 年代后期， 符号推理的专家系统得到了很大的发展，重点突破在医学应用，其代表系统是美国斯坦福大学的Mycin 系统。 Mycin 使用产生式规则构建推理系统，其一般形式为： if条件then 结论。在 Mycin 中的一条规则如下：if:细菌培养为格兰氏阴性组织形态学观察为杆状患者病情危重then: 建议（可信度 =0.6）感染源为假单胞菌属Mycin 使用了可信度(Credibility Factor, CF)作为每一条规则的提示强度。这十分类似前面提到的概率参数。但是

16、，在 Mycin 中， CF 值是由专家制定的。其理由是，在现有资料的条件下，几乎无法给出或计算出发生概率。基于一组规则建立的系统可以构成一颗知识树， 得到医学结论， 实际是搜索这棵树。 为了高效搜索，可以使用宽度优先、深度优先或混合搜索的策略。Mycin 对于产生式规则方法具有很大贡献，以至整整影响了一代研究人工智能的学者。该系统开发的目的是用于中枢神经系统感染诊断和治疗的咨询。该系统并没有真正在临床广泛应用，作者之一的 Shortliffe 总结了 Mycin 死亡的三条原因：(1) 微型计算机的广泛使用，使在大型计算机上开发的Mycin 使用困难； (2) 医生工作压力太大，没有时间使用

17、；(3)医疗经费紧张， 没有经费租用大型机上的Mycin 。实际上， 一个系统是否实用， 用户最有体会。人类医学科学已经具有几千年的历史，积累了大量的知识， 出版了浩如烟海的医学书籍，这里面包含大量的隐性知识，目前人类还无法将其形式化并“告诉”计算机，因而，计算机还很难与人类专家正面竞争。面队一个“智商”低于自己的机器，怎么指望医生花费时间和费用使用，这才是事情真正的本质。68.3.2. Internist-1 和 QMR 系统与 Mycin 同时代开始， 美国匹兹堡大学医学院开发了 Internist-1 系统。该系统包括了内科 600 多种疾病的诊断知识， 包括了 4500 多种临床表现。

18、 Internist-1 使用了一组参数表示临床表现与疾病的关系，由临床专家总结医学文献得到，其中主要参数包括：相关频率 (Frequency of Association) ：在某疾病中某临床表现发生的频率，用 1-5 表示。提示力度 (Evocative Power) ：某临床表现对某疾病存在的提示强度，用0-5 表示。这两个参数十分类似于贝叶司公式的条件概率和后验概率，只是这些参数不是统计，而是由专家分析得出的。 Internist-1 还有另外两个参数，协助系统诊断工作。Internist-1 通过处理用户输入的临床表现，得出一组诊断建议，按照得分多少排列，供临床医生参考。为了更便于使

19、用，Internist-1 被移植到微型计算机上，有了更为友善的人机界面，称为QMR （Quick Medical Reference ）。该系统的可贵之处在于总结了大量的医学文献来确定参数系，而目前的循证医学研究正式沿着这个思路发展而来。 Internist-1/QMR已经死亡， 而询证医学能够蓬勃发展，其根本的问题在于目标定位。 以前的医学专家系统都将自己定位在挑战医学专家的知识上线，而询证医学的定位不是上线，而是底线。70 年代开始， 国际上人工智能技术飞速发展。人工智能尤其重视在医学诊断中的应用，一大批像 MYCIN 、 INTERNEST-I/QMR 等著名的系统应运而生。但在几十年

20、的实践中，人们发现医学知识的复杂性还远未被认识，人类现有的技术还根本无法与人类自身的智能竞争。因此，研究者转向更为基础的研究，如脑科学研究、神经生理学研究、神经网络结构和模拟方法研究等。 从人类处理信息的抽象程序看，信息加工从数据到信息，一直到知识的过程是一个不断抽象整理的过程，人类可以在这个过程的不同层次从事工作图 7。在知识层的顶端， 就是人类追求的智能诊疗专家系统，这是要与人类专家正面竞争的工作，目前看还有很长的路要走。在知识层的低端，人们正在开展大量卓有成效的工作，如用药咨询系统、临床预警系统、 计算机化的临床诊断指导和临床路径等等。这些系统未必使用很多艰深的计算机技术，但在实际应用中

21、能够取得很好的效果。根据美国Gartner 调研公司的统计，在美国全部死亡人员的死因分析中， 由于可以避免的医疗错误导致病人死亡的因素在各种死因中占第五位， 2002 年达到 9.8 万人，相当于每天有一架波音747 400 大型客机坠毁。因而，如何避免医疗错误成为受到高度重视的问题。知识信息数据图 7. 数据抽象层次示意图8.3.3. HELP （Health Evaluation through Logical Processing）系统HELP 系统是美国Utah 大学 Latter Day Saints(LDS) 医院开发的智能化医院信息系统。7HELP 不仅用于临床，也支持医院的教学

22、和研究工作。HELP 在决策技术中使用了人工智能的知识框架技术， 框架结构很适合于描述医学诊断这类具有决策树结构的知识。 为了更方便地使用框架结构， 他们开发了一种专用计算机语言-HELP Frame Language ，专门用于智能化系统开发使用。HELP的主要设计宗旨之一就是帮助医护人员分析、解释、进一步处理临床数据，以提高医护质量。HELP 中决策支持程序包括： （ 1）呼吸系统疾病治疗措施合理性检查报警系统；（ 2）临床实验室异常检查结果判断处理系统； （ 3）传染病监控系统； （ 4）用药合理性检查报警系统等。HELP 的知识来自于几个途径： （ 1）专家组整理知识； （ 2）使用公

23、开出版的指导手册；（ 3）数据库分析； （ 4）自动知识获取。由于 HELP 系统于 HIS 集成在一起，应用中大量使用HIS 数据，减轻了用户输入量，方便了用户使用，这类技术目前已经广泛使用。该产品被美国3M 公司收购并商品化。8.3.4. 用药决策咨询系统广义的说， 医学决策支持应该包括各种能够提高医学决策能力的技术和方法。其实在临床工作中， 很多简单技术也能起到很好的效果。例如人们目前广泛讨论的电子病历，其中一个很重要的目的就是及时提供临床决策所需的资料，虽然电子病历自己不能辅助决策，但方便了临床医生及时做出正确决策。结合电子病历的报警系统，如药物过敏史报警提示、医保报销政策提示、 医嘱

24、错误提示等， 虽然使用技术可能比较简单，但同样能够发挥重要的辅助决策支持的功能， 我们更应该将更多的经历首先放在解决这类问题的工作中，其中用药咨询系统就是一个比较典型的例子。向比较前面我们讨论的各种临床诊断咨询系统来说，用药咨询系统一般使用比较传统的计算机技术实现， 更多的是一些用药信息的查询功能，例如药品使用手册，药品交互作用虽然复杂一些，但很难算得上智能系统。但是，这些系统在临床使用中得到很好的反应，一直卫生部医院信息系统基本功能规范将其列入其中。使用用药咨询系统提高临床医嘱和处方质量也具有重要的作用。国外的用药咨询系统已经非常成熟，有很多商品化的软件出售， 国内也有一些公司开发该类系统，

25、 功能主要包括合理用药检测、药物相互作用审查、药物过敏史审查、临床用药指南、药典等功能，可以将其嵌入门诊或住院医生工作站中使用，实施监控临床用药情况。国内系统的缺点是还没有做到根据临床疾病和临床表现提示临床用药的有关信息，这也是天文数字的工作，需要大量临床人员参与。8.4.管理决策支持与数据仓库技术8.4.1. 管理决策简介管理的任务是设计和维持一种体系，使在这一体系中共同工作的人们能够尽可能少的支出（人力、物力、财力） ，去实现他们的既定目标。管理的职能可以划分成计划、组织、指挥、沟通、控制、激励、创新七种职能。根据管理学原理，管理组织需要分层，可以分成上层、中层和基层主管 图 8-5 ，形

26、成一个管理的金字塔结构。不同层次的管理者各有侧重地执行其职能。从信息化的角度看，基层管理处理的流程性工作较多； 中层管理担负大量的基层数据汇总工作， 并负责落实高层管理者的意见； 高层管理的主要任务是决策， 而决策的基础来源于基层和中层的汇总和反馈信息。8高层管理中层管理基层管理图 8-5. 管理分层结构图高层管理的主要任务是决策。传统的决策方法主要是依靠管理人员的经验和一些简单的统计方法。 当然，传统的统计方法目前仍然是最普遍应用并非常有效的。 例如临床医务工作管理的一些重要指标性统计数字，如床位使用率、床位周转率、单病种平均住院费用等，都是评价临床效率的重要指标。近年来临床质量管理发展了一

27、些定量和定性相结合的方法，并建立了一些管理模型，使用计算机协助管理，取得了很好的效果。在医院的财务管理方面，全成本核算引起了众多医院领导者的重视，这是医院从计划经济向市场经济过渡的必经之路。 成本核算的计算并不复杂， 关键难点在于对医院财务管理的理解和原始数据的整理。医院管理中，各个部门都有很多报表，这些都是管理部门用于决策的重要数据。很多医院开展病人满意度调查， 经过简单的统计学处理， 可以得出十分有用的结果， 指导医院改善服务质量。我们在此列举了一些实例，就是为了说明这些传统管理方法的重要性，以避免用技术取代管理、以方法取代目标的错误。8.4.2. 决策支持系统与数据仓库技术管理信息系统积

28、累了大量宝贵的数据，利用好这些数据，可以帮助管理者更好地作出决策。 一个十分经典的例子是关于“啤酒和尿布关系”的故事。美国一个大型连锁超市通过销售记录分析发现，购买尿布的客户经常同时购买啤酒，原因是太太在家坐月子，先生去超市购买尿布的同时，通常给自己买几瓶啤酒。于是，超市调整了货柜位置，将啤酒与尿布摆放在一起， 提高了销量。 这是一个典型的通过数据分析发现新规律的例子，这也是决策支持系统应用的实例。决策支持系统 (Decision Support System, DSS) 是在管理信息系统和运筹学的基础上发展起来的。 从辅助决策的角度看，决策支持系统的辅助决策能力是管理信息系统辅助决策能力和运

29、筹学辅助决策能力的综合和提高。Mittra 将 DSS 定义为：决策支持系统是从数据库中找出必要的数据，并利用数学模型的功能，为用户产生所需要的信息。DSS 中强调了两点：数据库和数学模型。DSS 正是沿着这两个重点发展，形成了数据仓库 (Data Warehouse, DW) 和数据挖掘 (Data Mining) 技术。数据仓库的概念由美国著名工程学家W·H·lnmon 博士于 90 年代在建立数据仓库一书中提出： “数据仓库是一个面向主题的、集成的、稳定的、包含历史数据的数据集合，它用于支持经营管理中的决策制定过程。”主题是指用户使用数据仓库进行决策时所关心的重点方面

30、；面向主题是指数据仓库内的信息是按主题进行组织的，为按主题进行决策的过程提供信息；集成是指数据仓库中的信9息不是从各个业务处理系统中简单抽取出来的，是经过系统加工、汇总和整理， 保证数据仓库内的信息是关于整个企业的一致的全局信息；稳定是指一旦某个数据进入数据仓库以后，一般情况下将被长期保留，也就是数据仓库中一般有大量的插入和查询操作，但修改和删除操作很少；包含历史数据是指数据仓库内的信息并不只是关于企业当时或某一时点的信息，而是系统记录了企业从过去某一时点到目前的各个阶段的信息，通过这些信息可以对企业的发展历程和未来趋势作出定量分析和预测。把信息加以整理归纳，并及时提供给相应的管理决策人员，是

31、数据仓库的根本任务。数据仓库主要有三方面的作用：首先，数据仓库提供了标准的报表和图表功能，其中的数据来源于不同的多个事务处理系统，因此，数据仓库的报表和图表是关于整个企业集成信息的报表和图表；其次， 数据仓库支持多维分析，多维分析是通过把一个实体的多项重要的属性定义为多个维度，使得用户能方便地汇总数据集，简化了数据的分析处理逻辑，并能对不同维度值的数据进行比较，而维度则表示了对信息的不同理解角度。应用多维分析可以在一个查询中对不同阶段的数据进行纵向或横向比较，这在决策过程中非常有用；第三， 数据仓库是数据挖掘技术的关键基础，数据挖掘技术要在已有数据中识别数据的模式，以帮助用户理解现有的信息，并

32、在已有信息的基础上，对未来的状况作出预测。在数据仓库的基础上进行数据挖掘，就可以针对整个企业的状况和未来发展作出较完整、合理、 准确的分析和预测。数据挖掘是从数据中发现有用知识的过程，实际是多种算法的统称。它的算法来自于传统的数学方法和人工智能的知识发现技术。目前厂家提供的数据仓库产品一般都包含四部分内容，因而将数据挖掘包括在里面。整个数据仓库系统包含四个层次的体系结构图 8-6：（1）数据源：是数据仓库系统的基础，是整个系统的数据源泉。通常包括企业内部信息和外部信息。 内部信息包括存放于RDBMS 中的各种业务处理数据和各类文档数据。外部信息包括各类法律法规、市场信息和竞争对手的信息等等；（

33、 2）数据的存储与管理：是整个数据仓库系统的核心。数据仓库的真正关键是数据的存储和管理。 数据仓库的组织管理方式决定了它有别于传统数据库，同时也决定了其对外部数据的表现形式。 要决定采用什么产品和技术来建立数据仓库的核心，则需要从数据仓库的技术特点着手分析。针对现有各业务系统的数据，进行抽取、清理，并有效集成，按照主题进行组织。 数据仓库按照数据的覆盖范围可以分为企业级数据仓库和部门级数据仓库（通常称为数据集市） 。（ 3）联机分析处理 (On-line Analytical Processing, OLAP) 服务器：对分析需要的数据进行有效集成，按多维模型予以组织，以便进行多角度、多层次的

34、分析，并发现趋势。其具体实现可以分为： ROLAP 、MOLAP 和 HOLAP 。ROLAP 基本数据和聚合数据均存放在RDBMS之中； MOLAP基本数据和聚合数据均存放于多维数据库中；HOLAP基本数据存放于RDBMS 之中，聚合数据存放于多维数据库中。（4）前端工具：主要包括各种报表工具、查询工具、数据分析工具、数据挖掘工具以及各种基于数据仓库或数据集市的应用开发工具。其中数据分析工具主要针对 OLAP 服务器，报表工具、数据挖掘工具主要针对数据仓库。10数据仓库监测与维护外部数据元数据管理数据仓库管理系统数据分析抽取清理业务数据系统服务装载 刷新数据报表文档资料数据挖掘数据集市数据存

35、储OLAP前端工具数据源与应用与管理服务器图 8-6. 数据仓库系统体系结构8.4.3. 智能决策支持系统上世纪 60 年代，专家系统发展很快。 1968 年，E. A. Feigenbanm 等人研制了DENDRAL专家系统，可用来帮助化学家推断分子结构。1974 年， E. H. Shortliffe 等人研制了MYCIN专家系统， 用于诊断和治疗感染性疾病。同一时期，人们还研制出不少专家系统，用于各个领域。专家系统也是一种很有效的辅助决策系统。它利用专家的知识，特别是经验知识，经过推理得出辅助决策信息。对于专家知识，它不限于数值的，更多的是不精确的定性知识。这种专家系统辅助决策的方式属于

36、定性分析。专家系统与决策支持系统几乎是同时兴起，各自沿着自己的道路发展起来。它们都具有辅助决策的作用，但辅助决策的方式不同。专家系统辅助决策的方式属于定性分析；决策支持辅助决策的方式属于定量分析。 把这两者结合起来， 辅助决策的效果将会大大改善， 达到定性和定量相结合的效果。 这种专家系统和决策支持系统的结合形成的系统称为智能决策支持系统 (Intelligent Decision Support System) ，它将代表决策支持系统的发展方向。医学中广泛使用人工智能专家系统技术，用于临床决策支持，在管理决策支持中较少使用。因此我们在临床决策支持系统中介绍了该类技术。数据仓库和数据挖掘技术在

37、管理中广泛使用，我们在该节重点介绍。但是，医疗决策与管理决策没有本质区别，医疗决策可以使用数据仓库技术， 管理决策也可以使用人工智能技术。 从起源看， 数据挖掘本来就是源自人工智能的知识发现技术，医学决策支持本身就包含决策支持技术和人工智能专家系统技术。计算机应用中很多术语没有严格的定义，我们只要把握住应用目的就可以，没有必要在这些细枝末节上纠缠。118.5.循证医学、临床实践指南、临床路径与医学知识管理8.5.1. 循证医学基本概念循证医学(Evidence-based Medicine, EBM)即遵循证据的临床医学。其核心思想是医务人员应该认真地、明智地、 深思熟虑地运用在临床研究中得到

38、的最新、最有力的科学研究信息来诊治病人。 最好的证据来自医学基础学科和以病人为中心的临床研究。临床实践是指医生临床技能和经验，能够迅速地确定每一个病人的健康状况、疾病的诊断、 可能进行的治疗措施的利弊。 循证医学强调临床医师应该在仔细采集病史和体格检查的基础上，根据临床实践中需要解决的问题，进行有效的文献检索，并对其进行评价，找到最适宜和有利的证据，通过严谨的判断， 将最适宜的诊断方法、 最精确的预后估计， 及最安全有效的治疗方法用于对每个具体病人的服务。 总之，任何临床医疗决策的制定都建立在客观的科学研究证据基础上。循证医学中的证据主要指临床人体研究的证据， 按质量和可靠程度可分为五级 （可

39、靠性依次降低）。一级：所有随机对照试验 （randomized controlled trials ，RCT ）的系统评价 /Meta-分析。二级：单个的样本量足够的RCT 结果。三级：设有对照组但未用随机方法分组。四级：无对照的病例观察。五级：专家意见。 在治疗方面， 国际公认大样本随机对照试验（ RCT ）和 RCT 的系统评价（ systematic review SR ，或 Meta- 分析）结果是证明某种疗法的有效性和安全性最可靠的依据（金标准） 。但在没有这些金标准的情况下其他非随机对照试验的临床研究及其 SR 也可作为参考依据但可靠性降低。循证医学与传统医学有着重要区别。传统医学

40、以个人经验为主， 医生根据自己的实践经验、高年资医师的指导，教科书和医学期刊上零散的研究报告为依据来处理病人。其结果是：一些真正有效的疗法因不为公众所了解而长期未被临床采用；一些实践无效甚至有害的疗法因从理论上推断可能有效而长期广泛使用。 循证医学实践既重视个人临床经验又强调采用现有的、最好的研究证据，两者缺一不可。而这种研究的依据主要强调临床研究证据。8.5.2. 临床实践指南(Clinical Practice Guidelines，CPGs)临床实践指南试图将大量的医学经验抽象成为方便和容易使用的一种形式，为临床工作提供任意和可靠的决策信息，使临床决策更加高效准确，并符合伦理和法律的要求

41、。临床实践指南根据来源可以被分为三类：第一类包含有关法律法规和行业规范；第二类包含临床证据； 第三类包含一组由专家和管理人员制定的程序。临床实践指南可以用自然语言描述，也可用流程图或算法图描述， 还可以结合第三类形式编写计算机化的临床实践指南，以支持临床决策或工作流管理。临床实践指南也可以与电子病历结合，在多方面发挥作用。临床实践指南作为循证医学临床应用的重要手段，越来越引起临床各个领域的重视。除了上面提到的一些国家级的支持中心外，国外很多专业学会也在组织专家编写本专业的权威的临床实践指南。 临床实践指南也得到了卫生部的高度重视，正在组织国内各方面的专家整理、编写有关资料。 尤其是近年的医患关

42、系越来越敏感，医疗赔偿制度和举证倒置政策的出台，把医院逼到了死角，临床实践指南的应用，除了可以提高医护质量、规范医疗行为外，还可以有效地保护医院的合法权益，因而备受重视。在循证医学资料的各种来源中，只有临床实践指南最直接，距离临床工作最近。因为在紧张的日常临床工作中，医务人员没有时间随时检索Medline 并阅读原文，或者浏览 Cochrane网站。近年来，大量的临床实践指南被编写，但是，很少被真正利用。这里面有习惯问题，但更多的问题是使用不十分方便，计算机化的临床实践指南可以解决这类问题。连机使用临床实践指南， 不仅可以提供快速的连机帮助，查找有关内容， 还可以为医师直接提供临床决策12的参

43、考意见、报警信息、甚至与电子病历结合，起到相互帮助工作的作用。8.5.3. 临床路径(Clinical Pathway, CP)临床路径是医生、 护士和其他专业人员针对某个诊断或手术所作出的最适当、有顺序性和时间性的照顾计划，以减少康复的延迟与资源的浪费，使服务对象获得最佳的照顾质量。临床路径设计有几个关键之处，它是多专业协调的、有时间顺序性的、 能控制和改良品质的，以服务对象为中心的整体服务设计，是一个用系统管理的科学手段进行管理的照顾模式，常用于多发的、 费用高的、 以及需多专业健康服务人员共同配合的疾病或手术。它用简单明了的计划方式，将常规的治疗、 检查与护理活动立项、细化， 由各学科的

44、专业人员将该疾病关键性的治疗、检查和护理活动标准化，根据住院天数设计表格，使治疗、检查和护理活动的顺序以及时间的安排尽可能地达到最优化，使大多数的服务对象由入院到出院都能依此流程接受照顾，以使其获得最佳的服务，缩短平均住院日，减低医疗成本，较少医疗资源的浪费。临床路径的内容根据不同的疾病、手术、不同医院、病房和不同专业人员而会有所不同，但一般包括预期结果、评估、多学科的服务措施、病人和家属的相关教育、会诊、营养、用药、活动、检验、检查、治疗、出院计划等内容。临床路径的发展与设计过程，包含了沟通、冲突化解、病历计酬、品质管理与改良、循证实践理论、人本理论、 资源依赖理论、 机构理论等管理理论与实

45、践。其中循证实践理论就是上面我们讨论的循证医学内容，因而，临床路径从一个非常完整的范围内规范了临床各个方面的工作， 是一种更为理想的模型。但是， 临床路径除了需要大量完善的循证临床实践指导外， 其他方面需要规范的内容还很多，因而工作量巨大，不常见病很难使用该方法，使用范围受到限制，在专科医院、病种单一的单位比较容易实现。正像循证医学和临床实践指南一样，临床路径也需要计算机的支持。比较完整的系统除了包括制定临床路径的表格以外，还应该是一个比较完整的疾病管理系统，可以包括诊疗路径管理、病人管理和费用管理，还应具有比较完整的电子病历管理功能。8.5.4. 循证医学、临床实践指南、临床路径与传统的临床

46、决策支持的关系H. Shortliffe 是著名的医学专家系统-MYCIN的发明者， MYCIN奠定了基于规则的智能系统的基础，对医学人工智能，以至整个人工智能界都作出过重要的贡献。但是，H.Shortliffe 近年放弃了传统的人工智能研究方法，转而研究临床实践指南的计算机化问题。这很典型地说明了传统的医学专家系统与计算机化的循证医学、临床诊疗指导、 临床路径的关系。由于人们在70-80 年代过于乐观，没有认识到智能模拟的难度，将医学决策支持定位过高，追求开发出具有专家水平的智能系统。20 多年的实践告诉我们，传统的人工智能和专家系统技术无法开发出具有实用价值的系统，人们只能降低定位、降低智能水平， 开发临床诊疗指导、临床路径类的决策支持系统，以达到实用的目的。当然，这并不能够说明人工智能追求的目标是错误的，只是过于超前， 基础理论和技术的研究还不能够支持做出实用系统。近年人们对脑科学的研究不断深入，对医学知识结构的理解不断深入，相信取得突破的时间不会太远。8.5.5. 医学知识管理知识管理是把知识(包括信息 )作为最重要的资源，把知识和知识活动作为企业的财富和核心， 对信息的获取和传播、知识的学习和运用、知识的创新和传播、知识交换以及企业内部知识的分享和共享的结构、 知识水平的提