【HIT專家網微討論】CDSS向何處去：提供準確性還是可能性？

來源：HIT專家網      整理：陳曦

【編者按】

7月28日，在看到又一場CDSS會議預告后，“HIT專家網-醫學信息學論壇”微信群內爆發了一場關于CDSS發展現狀與建設方向的精彩討論，涵蓋CDSS的設計思路、應用價值、發展趨勢、評判標準等主題。

據了解，這次討論“驚動”了不少業內人士，包括一些重量級大咖。為此，特將本次討論的精華整理如下。

話題一：CDSS的現狀和困境

朱小兵@HIT專家網：必須承認，評級促進了醫院CDSS（臨床決策支持系統）建設應用。但也不能為評級而信息化，更不能為評級做CDSS；醫院應關注CDSS的技術進步，分享同行的落地經驗，汲取養分并最終為自己所用。

范可方@嘉和美康：說實話，目前醫院信息化的大部分是政策驅動，內需驅動非常有限，“以評促建”還是很有必要的。醫院管理者對信息化的重視程度，大部分情況下也取決于政策引導。

朱小兵@HIT專家網：CDSS的產品創新、應用活躍度均較5年前有大幅提升吧。一件事，開始有人做，就比沒有人去做要好很多。初期有泡沫、有曲折，作為學習的代價，也是可以理解和接受的。

范可方@嘉和美康：CDSS的定義其實還是比較寬泛的，各種形態的CDSS都存在。目前真正能夠在臨床上發揮作用的其實并不多。

朱小兵@HIT專家網：為什么呢？

范可方@嘉和美康：首先，大多數CDSS能提供的知識，并不是臨床上非常有應用價值的。現在專科化程度越來越深，每個醫生對自己所面對的疾病一般都有比較深入的認識。第二就是用戶體驗不容易做得好，一不小心就成了畫蛇添足的東西。

朱小兵@HIT專家網：知識庫的進化、專業化，此其一，這是面向規則的；用戶體驗，此其二。用戶體驗為什么做不好？

范可方@嘉和美康：打斷正常工作流程，提供的信息又缺乏針對性，就會使用戶產生抵觸。

朱小兵@HIT專家網：簡單概括：缺乏臨床思維，不符合臨床視角和習慣。很多提醒、警告，什么時候該出現，什么時候不該出現，針對不同的醫生，都應該有很好的設計。這個問題存在由來已久，最少有10年了吧，記得也是嘉和談電子病歷系統就經常談到。

范可方@嘉和美康：醫療行為習慣的養成，在不同醫療機構、不同專家團隊中都有區別。作為一門經驗學科，這是非常正常的。CDSS能不能基于具體醫療機構的特點和習慣提出建議，也很重要。

朱小兵@HIT專家網：也就是說要定制化需求，產品要有足夠柔性。

范可方@嘉和美康：拿個知識庫，包裝一下，這類CDSS在臨床實踐中能起到的作用還是比較少的，有點像微軟的幫助系統。“永遠正確，毫無價值”。

顧衛紅大夫：在知識圖譜的基礎上，充分理解臨床真實場景和需求（與醫生充分溝通合作），打磨產品，細分領域，不斷迭代。臨床需要有用的工具系統。知識圖譜是基礎設施建設，在此基礎上做適用于臨床的產品。

范可方@嘉和美康：知識圖譜的建立不能基于人工，應該是系統自動學習既往病例形成，否則主觀影響太大。

顧衛紅大夫：提高系統學習能力，需要專業人士深度參與。

吳剛@柯基數據：系統自動學習，難度很大吧。

范可方@嘉和美康：@吳剛@柯基數據，我們的CDSS就有這種功能，要對病例全量數據進行學習，轉歸情況好的和不好的病例都很有價值。最怕的是假數據，第二是怕沒數據。人類醫生對病案的總結和傳承往往偏向于轉歸情況好的，而轉歸情況不理想的病案、失敗的經驗，傳承困難。好的CDSS應該能針對特定病人，給出不同干預方案的轉歸預測。

顧衛紅大夫：疑難病也是最需要CDSS的方面。

范可方@嘉和美康：對疑難病癥來說，目前的機器學習還比較難應用，因為同質化病人數量較少。但是往往這類病人在就醫過程中走的彎路也最多，因此其病案資料價值非常大。這類信息需要人力和機器學習共同歸納。

顧衛紅大夫：罕見病專業醫生非常期待真正有用的CDSS。我在不同的專業群看到不同的內容，如果能夠打通領域就好了。罕見病遺傳病專業醫生群里經常分享疑難病例的診療，醫生們用周末、晚上的時間討論病例，樂在其中。

范可方@嘉和美康：CDSS提供的最大價值是：減少跨專科的誤診，以及罕見病的早期發現。

朱小兵@HIT專家網：記得前不久有位臨床專家評價，CDSS目前用得最好的領域是VTE（靜脈血栓栓塞癥）。為什么呢？中日友好醫院在VTE領域就用上了CDSS。

數據標準化及應用-Daisy：找了一篇文章，里面分析的原因是：“VTE的判斷相對而言更標準、更統一。國內任何一家醫院，采用的都是同樣的診療判斷標準。例如PE的判斷標準是影像學發現、肺動脈造影。因此，在VTE之外，只有偏客觀的、多學科共用的、適用性較廣泛的專科臨床場景，才有機會實現CDSS的規模化、產業化發展。”

話題二：CDSS應該向何處去

李志朋_首席探索官：CDSS要比真本事。就拿最簡單的業務指標來比，比如：準確率。

范可方@嘉和美康：CDSS本身的作用，并不是給出一個唯一的診斷或者干預方案，而是要給出針對不同病人診斷可能性的分析，以及針對不同診斷而采取的不同干預方案的預后預估。拿單純的準確率說事兒，基本上說明還不知道CDSS應該干啥，就像藥品廣告不能宣傳有效性一樣。

李志朋_首席探索官：@范可方@嘉和美康，不管給啥，總得有個準不準吧？搜索引擎人家還搞個前三頁呢。

范可方@嘉和美康：CDSS重點是給醫生提供更多的相關性建議，用搜索引擎類比CDSS是不恰當的：搜索引擎針對的是不特定的用戶，CDSS針對的是有專業知識的用戶。如果拿準確率高的給建議，醫生會覺得CDSS給的建議全是廢話。

顧衛紅大夫：并不矛盾，建議也需要靠譜。

李志朋_首席探索官：這里準確率的意思是說，你提的建議是不是滿嘴跑火車。準確率，就是靠譜率。

顧衛紅大夫：凡事都要有度。關鍵是要真有用，提高醫生的診療效率。

范可方@嘉和美康：打個比方，如果用戶是一位心內科醫生，他不需要CDSS告訴他這個病人80%以上的可能是冠心病，因為他在冠心病領域的診斷經驗已經相當豐富了，這個建議對他而言就是一句廢話；他需要CDSS告訴他，基于已有的病情描述和檢驗檢查結果，這個病人有沒有可能是其他疾病？需要CDSS提示那些他不太熟悉的診斷，以及有可能遺漏的東西。臨床診斷本身是個試錯的過程，如果CDSS能幫助縮短試錯流程，就會有價值。特別現在病人一般是自行判斷病情、選擇科室就診，如何避免由于病人的科室選擇錯誤導致的漏診與誤診，是CDSS需要首先承擔的角色。

CDSS的建設方向，現在有些被帶偏了。CDSS要做的事情不是比準確率，提出打中率高、符合率高的診斷并不難。難的是怎么將那些可能會被臨床遺漏的可能性診斷進行優先級排序，比如按季節性、地域性、家族史？

朱小兵@HIT專家網：我也斗膽說句爬樓學習體會：醫學、臨床本身是個概率。小醫生需要CDSS提供大概率事件的支持（提高準確率）；大醫生更倚重小概率事件的提醒（降低漏診率）。

范可方@嘉和美康：朱總，你說的這個基本上對。但現在CDSS主要在大醫院落地應用，他們需要的是第二類，就是對打中率低但是有可能性的診斷做出提示。對于打中率高的需求，一般發生在規模較小或縣級及以下醫院，但他們基本沒有預算安排和采購計劃，因此這種CDSS不是業界的主攻對象。

在大醫院落地并“學出來”的CDSS，不管是叫知識圖譜也好，叫模型也好，拿到小醫院去適配的話，也很簡單，就是把所謂的打中率高的診斷往前排。但是究竟排得多靠前，也要根據這家醫院自身的學習情況進行調整。

雅培診斷-佟毅：我認為CDSS的目標是幫助基層醫院。

朱小兵@HIT專家網：大醫院也有小醫生，小醫院也有大醫生。

范可方@嘉和美康：甭管小醫生還是大醫生，如果他無法根據病人主訴與初步檢查，對結果指向明確的疾病做出判斷的話，他就不是合格的醫生。經過多年醫學教育培養，醫生一般不會在明顯診斷上犯錯誤，多數漏診發生在醫生不熟悉的領域。

朱小兵@HIT專家網：確實，常見病也有漏診現象。

顧衛紅大夫：有些常見病可能就是由一系列罕見病組成的疾病譜。能分辨出疾病譜，提高精準診斷水平，應該是CDSS最重要的功能。

朱小兵@HIT專家網：大專家不是“神”，也不應該被神化，他們就是擅長自己的那個領域，超范圍了就不靈了。

范可方@嘉和美康：對。我一直強調的就是：甭管專家還是普通大夫，在日常診斷過程中最常見的病，不需要CDSS提示，這種提示雖然打中率高，但除了占用醫生屏幕，別無用處。我們要去理解臨床到底需要什么，醫生不需要“正確但無用的東西”。但如果CDSS提示出一些不在醫生專業范疇中的可能性診斷，提示醫生通過各種檢查手段加以排除，也許做了這些檢查后發現一個也沒打中，但醫生心里是踏實的，首診符合率是會提高的。

當然，CDSS的提示是要經過學習的，要學習全院的既往病例，針對不同的醫生也有不同的建議級別。

話題三：CDSS需要評判標尺

李志朋_首席探索官：CDSS的問題是沒有統一標準，也沒有比賽。這就導致了一些產品的宣傳尺度比較隨意，誰都能找一兩個所謂的亮點吹一吹。

姚暢：如果能組織一個官方比賽，應該會很有意思。

李志朋_首席探索官：還是那句話，因為沒裁判，也沒規則，球門任意擺放。“我們的CDSS最牛，啥功能都有，只要你給錢，想要啥有啥”。以上這句話就是大謊言，但是你沒有辦法證偽。再有兩個專家出來站站臺，就能賣個百八十萬的。估計信息科同事聽到最多的謊言就這格式的。

李志朋_首席探索官：“我們的CDSS提供跨專科的輔助，以及疑難病癥的早期發現”，我可以花式吹牛，把所有問題都變成肯定句式。所以，這個事需要有裁判、有規則。

朱小兵@HIT專家網：按志朋總說的，先制定比賽規則。誰來裁判也很重要。

顧衛紅大夫：裁判需要多種角色的人。不靠譜的人依靠砸錢是做不出好東西的。

（上述內容來自“HIT專家網-醫學信息學論壇”微信群討論，HIT專家網整理，未經本人審閱）

【責任編輯：陳曦】