（二）  醫療資源配置不均：三級醫院診療壓力過大、基層醫療機構診療水平較低

問題催生需求，需求激發政策的制定。我國醫療資源配置不均衡的問題十分突出，根據2019年國家衛生健康統計年鑒的數據可知，公立醫院中，占比18．8％的三級醫院承擔了60．8％的診療人次，平均每個三級醫院每年要承擔82萬的診療人次，這就導致三級醫院醫生負擔過重、診療壓力過大，而CDSS應用于醫院，可以輔助醫生診療決策，及時做出臨床預警，從而提升醫療效率，緩解醫生診療壓力。

現階段我國醫療衛生機構有99．7萬個，其中基層醫療衛生機構94．4萬個。基層醫療衛生機構占比約95％，但它們僅擁有全國32％的衛生服務人員。在發達國家，基層診所能處理病人85％－90％的健康問題，國內只有53％的診療人次由基層醫療機構承擔，相比發達國家，我國基層醫療機構數量多但診療能力低。

此外，基層醫療機構醫生的文化水平較低。2019年中國衛生健康統計年鑒數據顯示，社區衛生服務中心本科及以上學歷的醫生占比不到一半，鄉鎮醫生中僅有20．9％為本科及以上學歷，大專和中專學歷占比高達76．3％，村衛生室本科及以上學歷的醫生僅占3．1％，大專和中專學歷的醫生占比高達94．2％。這也是限制基層醫生診療能力、導致漏診誤診率高、患者不愿選擇的一大原因。

在國家政策對基層醫療的大力支持下，基層醫務人員亟需能力的提升，基層醫療水平的提升是緩解當前醫療資源不均、改善醫療現狀的重要途徑。CDSS的目標就是幫助醫生更好的診斷和治療，這種有差異化的醫生水平讓CDSS在中國有更好的用武之地。

（三）  CDSS可幫助基層醫生提升診療水平、減少誤診率

基層醫生的能力不足以承接政策的需要，因此如何提升基層醫生診療水平是當下基層醫療建設需要重點考慮的問題，引入CDSS不失為一個重要的發展方向。

科學的臨床決策要求臨床醫生具備多學科、多領域的醫學知識，而現實情況下，大多數醫生缺乏全面的臨床辯證思維能力，專業水平不高，在診斷時，經常只從自己的專業出發，很少考慮到其他專業，從而導致漏診、誤診，這種現象在基層醫療機構尤其明顯。但是目前，我國全科醫生數量嚴重不足，存在近40萬的缺口，且培養一名全科醫生大約需要5到10年的時間，因此，基層醫療機構很多專科醫生因為政策要求需要轉變為全科醫生。如果在基層衛生信息系統中引入決策支持功能，通過 CDSS輔助醫生診療決策，就能在一定程度上彌補醫生專業水平不足的現狀，提升其診療水平，從而加快培訓進度，縮短醫生培養周期。此外，CDSS能夠幫助基層建立同質化、標準化的醫療路徑，幫助基層醫生避免一些對于常見病的誤診和漏診，同時幫助他們進行科學的轉診，有助于提高基層醫療服務質量，更好地推進落實分級診療政策，緩解醫療資源配置不均的現狀。

更好地服務于基層醫生，提升其診療水平，這也是CDSS在我國最大的價值所在。

三、醫院＋基層醫療機構：CDSS的主要落地場所

醫院和基層醫療機構是CDSS企業的主要落地場所。從業務角度來看，開發專科版本的CDSS系統服務醫院以及開發全科版本的CDSS系統服務基層醫療機構是目前CDSS企業的兩大發展方向。從產品的適用對象來看，目前CDSS的首要采購對象還是大醫院，專科醫生是最核心的用戶群體。隨著國家分級診療以及基層醫療相關政策的推行，既面向專科醫生，又面向基層醫生提供CDSS服務的企業（比如惠每醫療、百度靈醫），以及專門針對基層醫療機構提供CDSS服務的企業（比如深圳循證醫學）等越來越多地出現。可以預見，隨著國家對基層醫療機構的資金、政策支持力度的持續加大，CDSS更廣闊的市場將在基層。

CDSS作為一個近幾年剛出現的新生事物，大多數醫院和基層醫療機構對其的了解程度不夠，市場滲透率還非常低，目前尚未出現獨角獸類企業，且AI診斷能力還在不斷的驗證和優化中，當前狀態下，對于企業來說，首要和根本的競爭點還是產品，針對細分市場，瞄準用戶需要，使研發出來的產品在診斷能力上具備顯著優勢，能為醫生提供實實在在的幫助，才能夠被買單。其次，各企業可結合各自優勢進行推廣和產品的商業化落地，傳統的醫療信息化企業可以利用自己的客戶基礎進行產品的推廣和合作；BAT企業可利用自身在技術、資金、品牌等方面的優勢加大產品的研發和宣傳推廣。

四、CDSS落地困難和未來展望

雖然CDSS得到了一定程度的發展，但仍面臨諸多挑戰和困難，主要包括以下幾方面。

（一）  評估體系不完善，應用效果難獲得

CDSS提供價值的前提是它必須顯著改善臨床工作的流程或結果，如何把CDSS的臨床應用效果獲取和呈現出來是一個難點。由于不同的CDSS為不同目的設計，當前并沒有一種可通用的評估標準，給系統價值的評估帶來困難。在難以證實CDSS可有效改善臨床工作流程或結果的情況下，用戶花費大量成本來建設CDSS的意愿會受到影響。

（二）  知識庫構建和維護難度大

知識庫的構建是CDSS的核心，其知識獲取一般來源于醫學文獻和臨床實踐，涉及的知識面非常廣泛，基礎醫學知識、臨床指南、循證醫學證據、醫學辭典、醫學圖譜、計算工具等海量數據等缺一不可，構建這樣完整、權威、整合多領域的知識庫并非易事。其次，醫學知識不斷增長，不斷發現新藥和診斷，循證指導隨著新證據的積累而改變，將頻繁更新的知識整合到已經存在的數據庫中也是一大挑戰。

（三）  數據缺乏統一標準造成實施困難

CDSS對數據的要求很高，成功的CDSS應該是與現有的臨床工作流程、患者信息系統等無縫集成，以便在應當作出決策的時間和地點自動提供咨詢，在這一過程中，對不同系統語義層面的理解是必要條件，而目前中國醫療信息化水平參差不齊，各個醫院的信息系統不一樣，數據標準、結構也不統一，缺乏醫學語義的操作標準導致CDSS的實施難度大、成本高，這是目前CDSS落地的最大困難。

（四）  法律責任和監管模式不明確

使用AI軟件支持決策同時伴隨著相應的法律責任問題：如果決策支持系統給出不恰當的建議，導致患者出現問題，誰來負責？軟件設計師，醫學知識的提供者，還是負責最終臨床決策的醫療服務提供方？目前人工智能領域的法律法規尚不完善，責任劃分尚不明晰，如何更好地規范和監管CDSS，以及相關法律責任的劃分仍將是該領域的長久命題。

未來，要更好的應對和解決這些問題，需要政府、企業、醫療機構的共同努力。政府需完善相關的法律法規、評估體系；CDSS供應商需要切實落地終端用戶需求，建設可持續發展的系統；醫療服務提供方需要提高對CDSS應用的操作水平，確保CDSS被有效利用。        總而言之，CDSS行業發展仍處在一個摸著石頭過河的初級階段，挑戰和機遇并存，未來還有很長的路要走，其真正可發揮的效能和產生的影響值得期待。

參考資料：

【1】OMAHA白皮書：臨床決策支持（CDS）：全景掃描，提升效能

【2】惠每科技CEO張奇訪談