CDSS（Clinical Decision Support System），即臨床決策支持系統，一般指凡能對臨床決策提供支持的計算機系統，這個系統充分運用可供利用的、合適的計算機技術，針對半結構化或非結構化醫學問題，通過人機交互方式改善和提高決策效率。

有關CDSS的研究最早源于上世紀50年代末，由醫學專家通過推理引擎，將專業知識和臨床經驗整理后存儲于知識庫中，利用邏輯推理和模式匹配的方式，幫助用戶進行診斷推斷，是一種專家系統。20世紀70年代中期，世界上第一個CDSS系統（MYCIN）由美國斯坦福大學研究誕生，此系統可以根據輸入的檢驗信息，自動識別51種病菌，正確使用23種抗菌素，可協助醫生診斷和治療細菌感染性疾病，為患者提供最佳處方。自此之后，各種功能特色的CDSS系統相繼出現，對CDSS的研究重點也開始由模擬專家思維轉向如何通過各種計算機技術使系統能夠更好地適應患者實際診療過程，協助臨床醫生做出診斷決策。

近幾年，隨著人工智能技術的發展及其在醫療領域應用的不斷深入，基于人工智能的臨床決策支持系統出現并逐步落地于各大醫院與基層醫療機構，輔助醫生進行臨床決策，得到業界的廣泛關注。本文將從CDSS的系統建設和工作邏輯、推動因素、應用和落地情況、面臨的困難這四方面展開，以期對我國CDSS的發展現狀進行一個系統梳理和全面呈現，并在此基礎上，對我國CDSS未來的發展方向進行預測和展望。

一、知識庫＋電子病歷＋算法：CDSS的決策支持基礎

傳統的CDSS是基于臨床指南、醫學文獻等客觀數據資料構成的知識庫，依據一些邏輯關聯進行歸納、演繹、推理、匹配，從而實現診斷、治療等方面的決策支持。近幾年，CDSS的系統逐漸向基于知識庫＋算法兩者結合的方向發展：在傳統知識庫的基礎上，利用機器學習、大數據挖掘等人工智能技術，從歷史經驗和不斷更新的電子病歷數據中自主獲取知識，識別和學習某些模式，從而提供決策支持。

CDSS 的系統建設包括三個模塊：第一個模塊是數據庫，包括醫學知識庫和患者數據兩個部分。首先，需要通過獲取海量的文獻類證據和臨床實踐類證據構建一個醫學知識庫，且知識庫必須隨著醫學的最新發展保持敏捷的更新和維護；其次，系統需要將患者所有的臨床數據從醫院的各個系統中解讀出來；最后通過自然語言處理使機器了解這些數據的意義。沒有醫學知識庫和患者數據，輔助診療就無從下手，因此數據資源是CDSS系統建設和運作的核心。第二個模塊是醫學知識圖譜。通俗地講，就是通過機器的深度學習讓AI了解醫學邏輯，像醫生一樣理解某種疾病從懷疑到診斷到治療的全過程，以及在這個過程中如何依據已有數據和知識做出判斷決策。第三個模塊是預測和展示，也稱人機交流接口，在掌握了患者的臨床數據和疾病的診療邏輯后，把預測結果以合適的形式反饋給醫生。

通過以上三方面的建設后，CDSS可駐留云服務器，以web方式嵌入醫院EMR，在醫生操作EMR時，可以提供醫學知識庫檢索、治療方案推薦、相似病歷推薦、輔助診斷、醫囑質控、臨床預警等多種功能，從診前到診中到診后為醫生提供連續的支持，提高醫生診療效率和診療水平，減少誤診率。

二、政策＋需求：推動我國CDSS快速發展的兩大因素

（一）利好政策不斷，CDSS迎來發展新機遇

高誤診率、重復診療、醫療資源分配不均是造成人民“看病難、看病貴”的重要原因，也是“健康中國”目標要面對的挑戰之一。2015年起，國家陸續發布關于醫療信息化、智能醫療、智慧醫院等相關政策，紛紛提出提升醫療信息化水平以及通過人工智能、大數據等各種新興信息技術手段提升醫療服務能力和質量等的相關要求。此外，國家近幾年對基層醫療給予大力支持，陸續發布了分級診療、醫聯體、全科醫生培養等相關政策，旨在提高基層醫療機構診療水平，協助基層醫療機構深度轉型。CDSS作為一種與人工智能和醫療信息化有著緊密聯系的產品，且具備輔助基層醫生進行診斷決策，提升其診療水平的實際功用，在國家政策的驅動下將具有廣闊的發展前景和市場機遇。

其中，電子病歷作為信息時代病歷的新型存在形式，是衡量現代化醫院管理和醫院信息化水平的重要指標。國家衛健委于2018年1月印發的《進一步改善醫療服務行動計劃（2018—2020年）考核指標》及2018年8月印發的《關于進一步推進以電子病歷為核心的醫療機構信息化建設工作的通知》要求，在電子病歷信息化建設工作中，將臨床路徑、臨床診療指南、技術規范和用藥指南等權威臨床診療知識嵌入信息系統，提高臨床診療規范化水平。2018年12月，在國家衛健委發布的《電子病歷系統應用水平分級評價管理辦法（試行）及評價標準（試行）》的通知中，電子病歷分級評價四級以上的醫院均要求具備臨床決策支持功能，這些政策表明醫療決策支持已經成為醫院電子病歷建設和評級的重要環節，為CDSS的發展和落地奠定了堅實基礎。