人工智能在医疗圈的大红大紫，让CDSS（临床决策支持系统）注定不会成为其中的配角。经历了早几年鱼龙混杂的专家规则系统，在回炉重造之后，CDSS急需借助人工智能的概念拨乱反正。以电子病历为核心的医院信息化建设政策，恰好吹响了这一“反攻号角”。

虽有政策加持，但CDSS在医院的落地绝非一帆风顺。医院临床场景要求较高、医生对医疗AI的接受程度不一 、医院数据仓库建设进展缓慢等因素，制约着行业的快速发展。在此条件下，国内如惠每科技、康夫子等企业， 凭借病历结构化 、“插拔式”组件和知识图谱等创新技术，率先扮演起了“掘金者”的角色。 

2018年9月，国家卫健委医政医管局发布了《关于进一步推进以电子病历为核心的医疗机构信息化建设工作的通知》（下简称《通知》）。因为它涉及到医院的评级、达标等核心问题，备受各级医院关注。

《通知》明确要求：到2020年，三级医院要达到分级评价4级以上，即医院内实现全院信息共享，并具备医疗决策支持功能。这足以看出，医疗决策支持，正在成为医院电子病历建设的重要环节。

事实上，医疗决策受到关注，早在今年年初便已见端倪。在3月23日，中华医院信息网络大会（2018CHINC）上，国家卫生计生委医院管理研究所的专家便对《电子病历系统功能应用水平分级评价方法及标准（2018修订征求意见稿）》进行了解读。

旧版和新版实现难度对比

从新旧版的基本内容对比中不难发现，标准调整后，医疗决策支持进行了等级的整体上调。以下为不同级别医疗决策支持的具体内容：

可以看出，初级临床决策主要是针对简单条件的提醒，例如合理用药，实现药品的配伍禁忌提醒，提供诊疗指南知识库；中级决策支持，可以处理相对复杂的条件，例如：既往史中提及的疾病，诊断、年龄、性别等条件对于药物使用的禁忌提醒，提供基于循证医学的知识体系；高级决策支持，通过大数据处理，机器学习，基于指南、循证医学知识体系以及真实世界数据，进行临床行为的预警、预后分析、相似病历推荐等。

有了清晰的定义，不同电子病历建设水平的医院，可以按照自己的情况，灵活考虑申报级别。

从中国医院协会信息管理专业委员会CHIMA发布的《2017-2018中国医院信息化状况调查报告》中的相关数据可以看出，国内三级医院和三级以下医院的CDSS系统建设还处于初级阶段。其中三级医院建设比例为20.15%，三级以下医院仅为8.6%，距离普及二字还十分遥远。

动脉网曾在《电子病历新政激活医疗信息化两大百亿市场，医院达标应如何选择》一文中调查过CDSS的市场空间，主要通过医院数量和产品单价来判断。

单价方面，据业内人士透露，电子病历分级评价四级以上均要求具备临床决策支持功能，临床决策支持功能不等同于知识库，是更偏人工智能的一种应用，比如要能处理非结构化、多维度临床数据，能够根据患者的临床数据自动预测需鉴别疾病列表并自动推荐个性化的诊疗方案。高级决策支持不但要覆盖所有医疗环节，要求基于循证、实时更新的医学知识库。知识库的权威性、对非结构化数据的处理能力、模型预测能力的不同，都是造成CDSS价格差异的原因。

很多时候，CDSS被打包到一个大项目中，并不单独拿出来销售。而如果单独销售，CDSS（非纯知识库类）的价格通常在50万元到100万元之间，因此动脉网估算CDSS目前市场的平均价格约为75万元。结合国家卫健委统计信息中心发布的2018年6月底全国医疗卫生机构数（三级医院的数量为2439家），动脉网估算到2020年，三级医院的CDSS的市场空间约为19亿元。

然而，考虑到CDSS有全科与单病种之分，因此企业若是针对不同的临床科室，推出专科专病CDSS，那么在原有的市场规模下，差不多还要再乘以10才是潜在的市场空间，如此来看，CDSS的市场空间接近200亿元。

CDSS在医院的落地推行虽有政策加持，但受限于市场环境和技术问题，难免会遇到一些阻碍。

从市场环境及认知层面来看，国内医院的信息化建设整体水平较低。如果没有好的信息化平台为基础，临床辅助决策系统很难推进。CDSS在产品对接过程中，首先要解决的就是与不同的厂商系统的匹合问题。实施周期或长或短，取决于医院的推进力度和厂商的配合程度。医院数据仓库建设的进展程度，也影响和制约着CDSS系统的全流程应用。

举例而言，当CDSS分析患者的心电图是否在就诊10分钟内完成时，需要在电子病历记录系统之外调取门急诊挂号时间和心电生理检查的完成时间，是否有跨系统的数据接口，以及医生是否按要求录入，都影响这项分析的自动完成。

另外，CDSS产品涉及的临床科室较多，医生对医疗AI的接受程度不一，从落地再到实际应用，还需要一个教育到认可的过程。特别是有些可以节省工作量、提高效率的工具，大多数医生可能先排斥，再选择性尝试，这在一定程度上加长了CDSS产品的验证周期。

由于医院临床场景要求较高，医生劳动强度较大，所以，CDSS一定要能切实地帮助医生，将产品很好地与临床进行结合，而不是为了评级而评级。这一过程， 难以一蹴而就。

临床医生和管理者对于CDSS的需求，同样存在矛盾点。管理者通常更希望全流程的严格管控，而临床医生则更侧重于节省工作量、减轻负担，在某些情况下，两者的需求会彼此对立。

从产品研发的角度来看，对于一款AI辅助诊疗系统而言，要能像临床医生一样去消化医学知识是最大的难点。

以国内知名医疗AI企业惠每科技为例，在梅奥疾病诊疗路径的基础上，惠每科技通过把一篇篇关于临床知识、指南、规范，转变成“计算机可读、可理解”的一套临床思路，并利用临床思路抽取逻辑的方法，与合作医院一起完善专科、专病种知识库。

惠每科技从病历数据中获取真实信息，不断训练AI“大脑”，完善诊断模型，把专家们的诊疗思路与经验变成具有医院特色及优势的诊治路径。这一方法和逻辑，是目前惠每科技最核心的价值。

据悉，惠每CDSS合作的大型三甲医院已超过40家。其中6家医院通过了电子病历应用水平分级评价五级和六级，4家通过了HIMSS七级评审，2家通过了互联互通5级乙等评审。除此之外，也包括浙江大学附属第一医院、中南大学湘雅医院、浙江大学医学院附属第二医院、中日友好医院、江苏省人民医院等著名医院。

惠每CDSS是以临床为核心的智能CDSS，在惠每科技CEO张奇看来，CDSS应用的本质首先是帮助医生解决临床诊疗的一致性和规范性，进而提高临床质量。要实现这一点，首先考量厂商的知识库是否足够领先，足够权威。引入梅奥完整知识体系奠定了惠每CDSS的权威，也是其能够被临床医生认可的原因之一。

政策与市场的双向加持，并不代表企业们已经做好了功课，有足够的技术储备去应对。要真正满足医院临床科室的辅助决策要求，企业需要改变过去专家规则系统的“老套路”，借助深度学习、大数据等新技术实现质的飞跃。这方面，部分企业已经走在了前头……

2017年上半年，国内某知名信息化厂商要推动某三甲医院电子病历六级评审项目，因此需要有企业提供技术支持。在了解到这一情况后，国内知名医疗AI公司康夫子，经过大半年的尝试，成功研发出一款新型CDSS产品。该产品累计研发了30个接口，帮助项目顺利实施。

在2018年初，康夫子重新调研、审视临床辅助的需求，并于2018年6月底正式推出康夫子临床辅助决策产品。与传统的专家规则系统不同，这是一款真正由人工智能技术驱动的临床辅助决策产品。

据动脉网了解，整个辅助决策系统突出的是实用和可拓展的能力。该产品除了能辅助院方达到各类信息化评级要求，实现辅助诊断、合理用药、风险提醒、医嘱推荐、知识推送、病案质控等临床应用功能，还重点针对医院与信息化厂商易实施、可扩展、方便管理的需求，打造了CDSS知识管理平台和CDSS数据分析平台。

不仅如此，康夫子在产品设计理念上采用“插拔式”组件上线支持，一些专科化组件如"院感"、"VTE"、"单病种诊断"、"病种分型"等，可通过康夫子标准化的病历解读结果为输入，自定义的模板样式为输出，以及多种可选的算法驱动模型快速实现开发、上线。

在临床辅助决策功能层面，本质上就处理2件事：

1）引擎层面：实时识别理解当前医生的临床内容，给出决策结果；康夫子利用领先的人工智能技术来实现基于专家规则引擎、传统机器学习方法远达不到的效果。

2）知识库层面：基于决策结果加以解释并给医生提供权威静态知识库内容。康夫子同国内最大最权威的医学出版机构人民卫生出版社合作，同时，产品还支持与市面主流知识库对接，也提供医院内部的编辑平台，本院医生的经验也可以添加到平台上。

辅助决策引擎由2大部分组成：

1）语义理解引擎； 2）推理决策引擎。

语义理解： 医护人员记录的信息是大段大段的连续文本，计算机如果要处理和理解这些文本，首先要做的是知识特征抽取工作。这块工作，康夫子通过病历结构化引擎来实现。康夫子病历结构化引擎可以针对全病种病历从200多个维度进行结构化分析，现已应用在全国几十家大三甲医院的信息化系统中，其中包括国内顶级两家医院301医院和北京协和医院。

如果没有病历结构化引擎，企业只能通过病历文本去匹配一些词典术语表来近似实现类似功能。但针对以自由文本书写的病历来讲，有非常丰富的表述方式，关键词匹配的方式基本走不通。

推理决策引擎：当解决计算机计算所需的特征提取之后，剩下的事就交给推理决策引擎来分析。医学是个非常复杂的学科，给推理决策带来巨大的挑战。康夫子的推理决策采用的是自己研发的一套算法，在公司内部被称为深度贝叶斯网络。该网络整体以贝叶斯推理为框架，但在计算联合分布概率时，康夫子做了很大的创新。

在计算数学中，康夫子为了简化计算做了很多的假设，比如引入朴素贝叶斯假设、引入马尔可夫假设等等。对一个患者来讲，“咳嗽”和“发热”不是独立存在的。在深度贝叶斯网络里，康夫子利用分层处理这些特征之间的关联关系。

另外，整个决策算法跑在知识图谱之上。有知识图谱的约束和引导，才能保证推理按照正确的方向进行，不出现低级错误。

以一个真实的病历为例：

男性，50岁，主因间歇发作性腹痛，黄疸，发热3个月而入院。患者3个月前无明显诱因，餐后突然上腹痛，向后背、双肩部放射，较剧烈，伴发烧38℃左右，次日发现巩膜、皮肤黄染，无恶心、呕吐。于当地医院应用抗生素及利胆药物后，症状缓解。随后2个月又有类似发作2次，仍行消炎，利胆、保肝治疗，症状减轻。为求进一步明确诊断和治疗来我院。半年前因"慢性胆囊炎、胆囊结石"行胆囊切除术。无烟酒嗜好，无肝炎、结核病史。

语义理解引擎要提取的知识如：性别男性，年龄50岁, 症状腹痛（3月，间歇发作， 后背放射，双肩部放射，疼痛程度剧烈）, 阴性症状恶心，……， 历史治疗方案“胆囊切除术”等等。

首先，决策引擎会根据一些症状体征等信息，得到可能的诊断结果，如：胆囊结石、胆总管结石。之后，系统会进一步分析历史治疗方案，发现患者已做过胆囊切除术，进而排除“胆囊结石”疑似诊断。

该产品发布不到三月，便已在全国上线近20家三甲医院。如：南京鼓楼医院、盛京医院等等。不仅如此，康夫子CDSS还通过某省村医平台服务该省的万余家村卫生室，同北京市某区卫健委签署深度合作，全区4家区属医院以及100多家社区村卫，也在全线上线科康夫子的CDSS系统。

据动脉网了解，2018年，惠每科技除了帮助大量医院实现评级需求，更多的是在帮助临床实现价值。临床价值的体现是惠每区别于其他CDSS厂商重要的特征。以惠每科技与宣武医院合作的AI质控项目为例，公司与宣武医院神经内科共同梳理出急性脑梗死治疗规范的十一个质控点。

如：NIHSS评分，每个病程中都记录患者当前的NIHSS评分结果；48小时内抗栓治疗，入院后48小时内应开始抗栓治疗等，实时监控病历文本，如存在治疗缺陷，惠每CDSS将在病历文书页面（入院记录、首日病程、每日病程、出院小结）提醒医生完善治疗。

应用惠每CDSS质控提醒不到一月的时间，宣武医院神经内科脑卒中的11项诊疗规范率由70.19%提升到93.85%，提升幅度33.7%。其中，院内强化降脂治疗由原来的72.73%提高到92.16%，出院抗栓治疗由原来的65%提高到100%。宣武医院神经内科副主任宋海庆表示，治疗规范率的提升将大幅改善患者预后和降低术后复发率。

从临床辅助诊疗到病历质量管控，惠每CDSS有效地提升了临床诊疗的一致性与规范性，打造了从诊前医嘱开立、诊中病历文书审核、诊后数据上报的质量管理闭环。

对此，张奇表示：“从应用的角度去评价CDSS其实就两点：第一是准确，这个很好理解。第二是实时，完全融入临床诊治流程，实时交互，而不是跳出系统再去查询，或者事后发现错误了再来追溯。只有先实现这两点，才能对临床质量起到真正的影响。”

他还举了一个实际的案例来说明：一位因急性脑梗死入院的患者，惠每CDSS通过实时识别主述、现病史、治疗及用药情况等病历文本信息后，依据指南规范，为医生推荐自动静脉溶栓、血管内介入、抗血小板治疗等治疗方案。但当医生继续补充患者病史，写到“患者两月前发生过头颅外伤”时，惠每CDSS会实时判断患者存在静脉溶栓治疗禁忌，并告诉医生患者不宜该治疗。同时，推荐的治疗方案会自动更新，静脉溶栓的治疗方式也不会再出现。

急性脑梗死常规治疗方案推荐

实时识别患者禁忌，推荐精准的个性化治疗方案

结合前文动脉网认为，CDSS要真正实现百亿级市场，一定要能切实地帮助医生，很好地与临床进行结合。对此，CDSS至少需要满足以下条件：

1、医院数据仓库建设的进度足够快速；

2、解决CDSS与不同的信息化厂商系统匹合的问题；

3、满足临床医生和医院管理者的不同类别的需求；

4、利用临床思路抽取逻辑的方法，与医生共同完善专科、专病种知识库；

5、通过病历结构化，尽量保证临床数据的可及性；

6、与足够权威的医院科室合作，保证决策知识库的权威性；

换言之，虽然有足够大的市场空间，但目前企业和医院自身的基础还有待提升。能够把握自身缺陷，愿意适时改进者，方能先人一步，品尝到CDSS的甜头。