中医临床决策支持系统技术发展论述

中医临床决策支持系统(CDSS)作为中医临床实践的重要工具,在其发展建设中,紧密围绕中医理论、中医数据、前沿技术和理念变迁展开。本文从中医CDSS的思想理论基础和技术支持两个方面着重介绍了其发展情况。理论基础方面,将中医传统知识与现代科技相结合,为中医CDSS的建设提供了坚实的理论基础。技术支持方面,中医CDSS依托前沿技术如人工智能、大数据等,不断进行技术创新和算法优化,以适应中医临床实践的需求。未来,中医CDSS的发展趋势将更加注重数据与技术的融合,以实现个性化、精准化诊疗,推动中医临床辅助决策水平的提升。

基于人工智能技术的临床数据资源中心建设实践

目的:在医院数据中心基础上,进一步融合院外及公开多源异构数据,并通过标准化数据建模和数据治理,构建高质量临床数据资源中心,以支持医院开展高质量临床研究,并将研究成果反哺临床,提升研究成果转化能力,实现从数据到科研到临床的一体化发展闭环。方法:利用大数据及人工智能技术,设计多层次、多维度的数据模型,将原始数据转化为标准化的,可满足科研、临床等不同场景需求的多模态数据集合。结果:临床数据资源中心已入库治理5000余万诊次临床诊疗数据、1000多万条随访数据,整合45个既往与在研课题研究数据,18个气象、文献及基因等公开数据;形成614个数据模型和10479个研究可用字段;支持CDSS等数据服务调用频率高达162万次/天;支撑521位科研人员和团队建立了1532个研究人群和专病库,已有62个研究模型成果转化反哺临床。结论:通过建设高质量临床数据资源中心,可高效满足临床研究团队对相关数据的使用需求,且随用、随查、随取、随分析,降低了数据使用门槛,提升了研究效率。

基于前循环脑梗死神经血管介入专病库的临床科研一体化研究模式应用探讨

神经介入是治疗脑血管病变的重要手段,首都医科大学附属北京天坛医院建立了以神经介入专病库为核心的临床科研一体化研究模式。该模式以自然语言处理、机器学习、深度学习等人工智能技术为依托,通过对神经介入中心在2012年5月-2019年6月收治的379例前循环脑梗死急诊取栓患者数据进行自动采集、处理和建模,构建了前循环脑梗死急诊取栓专病库。一方面形成了极细颗粒度的多维数据关联关系展现视图,为临床研究提供更多可能方向;另一方面,利用全过程诊疗时间轴及智能预测引擎,实现了对取栓后患者颅内出血的发生风险预测,对临床治疗决策的调整、优化具有重要意义。由此可见,基于专病库的科研临床一体化研究模式,将有效带动科研成果的产出及转化,实现以真实诊疗数据为基础、以研究成果辅助临床决策的目标,具有广阔的发展前景。

智能化病历内涵质控平台设计及应用

目的:解决病历质控长期存在的低质低效、无法覆盖所有病历,且难以追踪管理等问题。方法:以大数据及人工智能方法,搭建一套可实时监测病历文书与患者病情变化是否一致的内涵质控规则库。结果:通过制定完善的质控规则,实现了在医生端、环节质控及终末质控对病历文书的自动监控、提醒及反馈功能,并通过可视化列表辅助完成质控管理,形成病历质量监管闭环。结论:智能化病历内涵质控平台的实施,不但扭转了以往病历核查的困境,显著提高了病历质量,同时也将为临床、科研及医院管理等提供重要支撑。

缺血性卒中患者吞咽障碍危险因素的meta分析

目的系统分析缺血性卒中患者发生吞咽障碍的危险因素。方法计算机检索Cochrane Library、PubMed、Embase、Web of Science、中国知网、万方、维普等数据库,检索建库至2020年2月关于缺血性卒中患者发生吞咽障碍危险因素的文献。采用纽卡斯尔-渥太华量表对文献质量进行评价,纳入该量表≥7分的文献。采用RevMan 5.3软件进行meta分析,先对各影响因素进行异质性评估,如无异质性,采用固定效应模型分析;如存在异质性,则采用随机效应模型分析,计算各影响因素的合并MD值或OR值及95%CI。结果共纳入9篇文献,合计样本量为4095例,其中发生吞咽障碍患者981例(23.96%)。经m eta分析结果显示,年龄(MD 4.98,95%CI 3.84~6.11,P<0.001)、高血压(OR 2.21,95%CI 1.44~3.38,P<0.001)、糖尿病(OR 1.79,95%CI 1.36~2.36,P<0.001)、脑干卒中(OR 2.07,95%CI 1.31~3.26,P=0.002)是缺血性卒中患者发生吞咽障碍的独立危险因素。结论对于缺血性卒中患者,年龄增长、高血压、糖尿病及脑干卒中是发生吞咽障碍的独立危险因素,临床中应注意评估和早期干预吞咽障碍的危险因素。

基于电子病历系统的脑血管病专科大数据科研平台设计与应用

首都医科大学附属北京天坛医院在原有信息化建设基础上,基于电子病历系统设计部署了脑血管专科大数据科研平台。该平台旨在通过对院内外多源异构数据的集成、共享,建立覆盖临床科研一体化、疾病智能预测、科研知识库、临床决策支持及真实世界研究等多种数据利用场景的应用模式,实现临床-科研一体化协同发展;同时,为多中心临床研究提供强大的数据及技术支撑,整体提升区域内对疑难脑血管病、急诊危重症患者的综合救治能力。

大数据科研分析平台在肾脏病研究的应用探讨

目的:利用大数据科研分析平台,促进对慢性肾脏疾病的研究,加快科研成果产出,提高疾病诊疗水平。方法:基于对海量数据的特征分析、相关性分析、荟萃分析及深度学习等,提出创新的科学问题和假设;并进行多统计模型处理,对统计结果进行差异化分析,优化临床研究模式。结果:通过大数据科研分析平台,可以对多样化的数据类型及庞大的数据量给予高效处理,从而提升科研效率及质量,为肾脏病领域的研究进展提供新的契机。结论:大数据科研平台对数据强大的整合与分析能力,将给肾脏疾病的研究与临床应用带来广阔前景。

临床决策支持系统预警提示功能设计与实现

目的:在现有对检验/检查结果预警、合理用药监测等应用基础上,实现在患者诊疗过程中对其病情变化的实时预警,以提高医疗质量、减少医疗差错。方法:利用大数据及人工智能技术,在临床指南及海量历史病历等数据基础上,构建临床预警规则库,在患者诊疗过程中根据病情变化进行实时匹配,及时触发预警。结果:通过基于临床决策支持系统的预警提示功能,可实现诊断预警、检验预警、检查预警、药品预警、治疗预警、合理用药等6类预警。结论:临床预警提示的应用,可最大限度避免临床出现不合理处置、不合理用药、医疗任务疏漏等情况,最终达到提升医疗质量、保障患者安全的目的。

基于智能医学数据中台的大数据科研平台应用实现

目的:通过建立大数据科研平台,提高临床科研的效率及质量,并促进研究成果有效转化。方法:根据广州医科大学附属第二医院实际情况,建立以智能医学数据中台为核心的大数据科研平台,通过专病库建立、描述性统计分析、统计挖掘、单病种分析及疾病预测等,优化科研流程,提升科研质量,实现科研成果的临床应用。结果:目前,广州医科大学附属第二医院大数据科研平台已累积经过规范化处理的住院患者252 047人次,门诊患者10 272 948人次,覆盖病历文书、医嘱、检验检查报告、课题随访数据等在内的37种文档类型,辅助医生建立疾病研究人群200多个、研究课题10余项。结论:与传统人工操作相比,大数据科研平台在数据抽取、统计及分析等方面,均有着明显优势,在疾病预测等临床应用方面也显示出广阔前景。

基于临床数据中心构建儿童哮喘数据分析平台的实践探索

目的:解决临床科研过程中数据获取难、人工清洗数据耗时长、统计分析工具难掌握等问题,为研究人员提供高质量的儿童哮喘研究临床诊疗数据,提升临床科研效率和水平。方法:基于医院临床数据中心,整合儿童哮喘临床数据,运用大数据相关技术建立儿童哮喘数据分析平台,并基于该平台实现临床和科研的多场景应用。结果:实现了儿童哮喘专病数据管理、数据质控、统计分析等功能,支持研究者同时进行多个课题研究。结论:儿童哮喘数据分析平台提高了临床研究的效率和水平,为建立健全儿童哮喘慢病管理体系奠定了科研基础。

基于临床大数据对反流性食管炎相关影响因素的分析

背景近年来随着人们生活及饮食习惯的改变,反流性食管炎(reflux esophagitis,RE)的发病率逐年上升,影响了人们的生活质量.同时RE发病的相关危险因素及幽门螺杆菌(Helicobacter pylori,H.pylori)的感染与根除同RE的关系是当下的热点问题.目的通过临床大数据分析探究RE发病的相关危险因素及与H.pylori感染的关系.方法采用回顾性分析,对2010-03/2018-12在朝阳医院行消化内镜检查的住院患者进行筛选及分组研究.病例组为消化内镜确诊为RE,并且有明确洛杉矶(LosAngeles,LA)分级结果及H.pylori检查结果的住院患者,并进一步将病例组分为轻度RE组(LA-A)和重度RE组(LA-B、LA-C和LA-D);对照组是通过消化内镜检查确认为非RE、有H.pylori检查结果,并且排除了胃食管反流症状的患者.通过大数据平台,分析性别、年龄、体质指数(body mass index,BMI)、血脂、血糖、吸烟饮酒史、基础病、食管裂孔疝和H.pylori感染等多种因素同RE的关系.结果单因素Logistic回归分析发现对于RE,男性、BMI、吸烟史、食管裂孔疝是其危险因素,高密度脂蛋白胆固醇为其保护因素,而高血压和高脂血症病史是重度RE的危险因素,甘油三脂升高是轻度RE的危险因素.多因素Logistic回归校正后显示,无论病情程度如何,男性、BMI和食管裂孔疝均是RE的独立危险因素,H.pylori感染是RE的保护因素.结论RE的发病和发展与生活习惯、基础疾病和H.pylori感染等密切相关.

基于真实世界研究的淋巴瘤研究数据库建设与应用

目的针对临床数据数量庞大和质量差的现状,本研究旨在以建立淋巴瘤研究数据库为例,探索高质量研究数据库的建立路径以及在真实世界研究的作用。方法汇总研究领域专家意见,参考相关指南和标准,建立标准医学知识库;回顾性抽取2005年2月-2021年12月期间就诊于北京大学肿瘤医院淋巴瘤患者电子诊疗数据,采用深度学习、自然语言处理等方式,搭建"基于电子病历系统的淋巴瘤数据库-生物样本信息库-延伸遗传信息库"的动态智能信息整合与处理系统。结果研究数据库在满足了临床科研人员的研究需求的同时,实现医院病历数据和生物样本信息数据的申请、审批、溯源和分析全过程留痕管理。数据库中核心科研变量总数为668个,结构化变量占46.0%。截至2021年12月25日,数据库中共有淋巴瘤患者68687人,男女患者人数比值为8/9,就诊次≥3次的患者占比为23.0%。此外,研究者可在数据库中根据目标条件叠加检索,显示命中的就诊记录,建立研究队列,进行统计建模,挖掘数据信息。结论通过整合管理流程和利用自然语言人工智能新技术建立循证等级高的数据库,有助于医院信息系统的互联互通与资源共享,从而达到为开展真实世界研究提供可靠详实数据的目的。

基于大数据的急诊临床科研一体化平台建设

目的基于广州医科大学附属第二医院急诊科大数据探究临床规律,建立急诊临床科研一体化平台最终应用于临床实践。方法基于广州医科大学附属第二医院的医院信息系统(HIS)、实验室信息系统(LIS)、急诊专科系统、影像归档和通信系统(PACS)及电子病历系统,将2019年3月至2022年4月急诊科就诊患者的结构及非结构化信息通过抽取融合、标化归一、脱敏质控等手段建立数据库。此外,从数据库中提取2019年3月至2022年4月急诊就诊的预检分诊Ⅲ级及以下成人患者的数据,如人口学特征、预检分诊时生命体征、诊疗特征、诊断和分级、时间指标和结局指标等,分析患者不良预后的独立危险因素。结果①广州医科大学附属第二医院急诊数据库记录2019年3月至2022年4月急诊科就诊患者共计338681人次,就诊信息包括人口学信息、分诊信息、就诊信息、绿通和抢救、诊断信息、病历信息、检验检查概况、检验信息、检查信息、微生物信息、用药信息、治疗信息及住院信息、胸痛管理及卒中管理等15个模块数据,数据库保证了数据的可视化和可操作性。②从急诊数据库中筛选出预检分诊Ⅲ级及以下患者140868例,纳入患者的性别、年龄、来院方式、脉搏、血压、格拉斯哥昏迷评分(GCS)等指标,以急诊入手术室、急诊入介入室、急诊入重症监护病房(ICU)或急诊死亡为不良预后,构建预检分诊Ⅲ级及以下患者预后不良预测模型。通过受试者工作特征曲线和森林图结果表明,该模型具有较好的预测效能,用于临床有利于降低急诊预检分诊不足的风险。结论基于急诊科大数据建立高质量的临床数据库,有利于挖掘大数据中的临床价值,并辅助临床决策,提高临床诊治质量。