中醫(yī)臨床決策支持系統(tǒng)研發(fā)的現(xiàn)狀與思考

白 宇 陳 理 易 嵐 胡榮魁 王 石 范群麗 李文友 趙 靜韓 捷 羅倩倩 陳曉虎

（1.南京中醫(yī)藥大學(xué)中醫(yī)學(xué)院·中西醫(yī)結(jié)合學(xué)院，江蘇南京 210023；2.南京中醫(yī)藥大學(xué)附屬醫(yī)院，江蘇南京 210029；3.南京大經(jīng)中醫(yī)藥信息技術(shù)有限公司，江蘇南京 211800）

臨床 決策 支持 系統(tǒng)（clinical decision support system，CDSS）是通過數(shù)據(jù)、模型和算法等智能化的手段，以人機交互方式來輔助決策者的計算機應(yīng)用系統(tǒng)[1]。它可以模擬醫(yī)學(xué)專家診斷、治療疾病的思維和過程，在疾病診斷、治療、護理、手術(shù)、合理用藥等方面為臨床醫(yī)生提供決策支持。近年來，運用CDSS提高醫(yī)療質(zhì)量，輔助臨床教學(xué)，助力科學(xué)研究已成為主流趨勢。

隨著人口老齡化的加劇，慢病、疑難病的高速增長，使得我國對醫(yī)療人工智能需求巨大。但我國CDSS的研發(fā)明顯滯后于國際先進水平，尤其在中醫(yī)領(lǐng)域更是如此。針對這一現(xiàn)狀，國務(wù)院辦公廳于2018年發(fā)布《關(guān)于促進“互聯(lián)網(wǎng)+醫(yī)療健康”發(fā)展的意見》，提出“支持中醫(yī)辨證論治智能輔助系統(tǒng)應(yīng)用，提升基層中醫(yī)診療服務(wù)能力”。但由于種種問題的存在，目前仍未設(shè)計出具備較為理想的臨床實用性的中醫(yī)CDSS。本文就目前中醫(yī)CDSS研發(fā)面臨的問題和解決方法進行相關(guān)闡述與討論。

1 中醫(yī)CDSS的研究現(xiàn)狀

1.1 中醫(yī)臨床思維難以用計算機進行模擬中醫(yī)學(xué)的思維源于中國古代哲學(xué)，其核心的思維模式是象思維，即以物象或意象為解析工具，把客觀事物自然整體顯現(xiàn)于外的現(xiàn)象作為依據(jù)，運用比喻、象征、類推等方法表達對象世界的抽象意義，以此把握對世界的普遍聯(lián)系乃至本原之象[2]。象思維具體表現(xiàn)為“整體觀念”和“辨證論治”[3]?！罢w觀念”是中醫(yī)思維的核心，貫穿于中醫(yī)的各個方面，而“辨證論治”則是“整體觀念”在臨床診治過程的具體應(yīng)用，是中醫(yī)實現(xiàn)動態(tài)、個性化診治的基礎(chǔ)。在兩者的指導(dǎo)下，不同醫(yī)家結(jié)合長期的臨床實踐，對疾病發(fā)生發(fā)展的規(guī)律出現(xiàn)了不同的理解，又逐步建立了“八綱”“臟腑”“病因”“六經(jīng)”“衛(wèi)氣營血”和“三焦”等不同的辨證方法。這些辨證方法本身就各有其自身的特點，再加上個人體質(zhì)、環(huán)境氣候、飲食習(xí)慣等多種因素影響，又會出現(xiàn)難以計數(shù)的個體差異，使得中醫(yī)的辨證思維模式非常難以復(fù)刻。

中醫(yī)CDSS的技術(shù)架構(gòu)需要通過數(shù)據(jù)層、知識層（知識圖譜層）、AI層、應(yīng)用層來逐層實現(xiàn)，其中知識層和AI層是中醫(yī)CDSS的核心環(huán)節(jié)。知識層依托數(shù)據(jù)層通過對數(shù)據(jù)的進一步抽象和整理，形成知識圖譜，讓機器理解中醫(yī)的知識和思維。AI層則是通過自然語言處理和機器學(xué)習(xí)等算法，建設(shè)不同的模型以滿足個性化的智能需求，是對數(shù)據(jù)和知識的應(yīng)用能力的體現(xiàn)。就目前而言，CDSS涉及的人工智能算法包括K近鄰算法（k-nearest neighbor，KNN）、回歸算法、決策樹、隨機森林、貝葉斯決策論[4]等。在算法之上又有機器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)技術(shù)綜合各類學(xué)科和算法，實現(xiàn)計算機對人類的學(xué)習(xí)行為和大腦思維模式的模擬，從而獲取新知識和技能，并重新優(yōu)化已有的知識結(jié)構(gòu)使之不斷改善自身[1]。雖然這些方法對中醫(yī)由知識和經(jīng)驗轉(zhuǎn)化成數(shù)據(jù)提供了多層面的技術(shù)支持[5]，但即使如此，在面對中醫(yī)思維模式時，這些技術(shù)仍然顯得不夠成熟。除此以外，中醫(yī)思維模式常常被認為是“黑箱”理論的一種體現(xiàn)[6-7]，但是在CDSS的設(shè)計中“黑箱”理論的應(yīng)用是存在爭議的[8]。在CDSS的設(shè)計理念中，CDSS做出的每個決策都必須保證能給出透明的推理演算過程，以便用戶能夠理解所有CDSS提供的建議的原理。這也在無形之中給中醫(yī)人工智能之路增加了不小的困難。

1.2 數(shù)據(jù)錄入缺乏統(tǒng)一的標(biāo)準(zhǔn)和其他領(lǐng)域一樣，中醫(yī)臨床數(shù)據(jù)同樣可分為結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)以及半結(jié)構(gòu)化數(shù)據(jù)。結(jié)構(gòu)化數(shù)據(jù)是指具有一定邏輯結(jié)構(gòu)和物理結(jié)構(gòu)關(guān)系，可以存儲在數(shù)據(jù)庫中的數(shù)據(jù)，也被稱為定量數(shù)據(jù)，如年齡、性別及生化檢測指標(biāo)等。非結(jié)構(gòu)化數(shù)據(jù)是相對于結(jié)構(gòu)化數(shù)據(jù)而言的，這類數(shù)據(jù)不存儲在數(shù)據(jù)庫中，而是以各種類型的文本形式存放，又稱為文本數(shù)據(jù)，如影像學(xué)中的各類圖像。半結(jié)構(gòu)化數(shù)據(jù)是介于結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)之間的數(shù)據(jù)，最主要的就是病歷資料。

中醫(yī)學(xué)涉及的大量病案、古籍及四診信息大都屬于半結(jié)構(gòu)化數(shù)據(jù)或非結(jié)構(gòu)化數(shù)據(jù)[9]。半結(jié)構(gòu)化數(shù)據(jù)或非結(jié)構(gòu)化數(shù)據(jù)不能直接被電子病歷系統(tǒng)（electronic medical record，EMR）直接利用，必須經(jīng)過一定的轉(zhuǎn)換使其能夠被計算機識別。盡管現(xiàn)在自然語言處理（natural language processing，NLP）可以協(xié)助完成知識提煉和知識提取，最終形成知識本體或者知識網(wǎng)絡(luò)[10-11]，但前提是必須建立一套完善的中醫(yī)術(shù)語庫。這套中醫(yī)病案癥狀術(shù)語庫必須滿足兩個條件：一是能準(zhǔn)確且真實地表達中醫(yī)思想，否則會誘導(dǎo)人工智能產(chǎn)生偏差；二是必須形成一定的應(yīng)用規(guī)模，否則將無法實現(xiàn)數(shù)據(jù)整合，形成一片片“信息孤島”[12]。中醫(yī)醫(yī)案的記錄主觀因素過多、隨意性強且結(jié)構(gòu)復(fù)雜，各類癥狀的內(nèi)涵和外延模糊[13]，各位醫(yī)家對同樣的癥狀會產(chǎn)生完全不同的理解和描述，因此尚未建立被廣泛接受并使用的中醫(yī)術(shù)語庫。

除了癥狀以外，如何對中醫(yī)治療進行療效評價也是一個亟待解決的問題。因為如果沒有明確的中醫(yī)療效評價標(biāo)準(zhǔn)，機器學(xué)習(xí)就無法對既有的算法和模型進行反饋，從而無法自行進一步學(xué)習(xí)優(yōu)化。目前中醫(yī)療效評價方法主要有兩種：一是利用證候積分量表，二是通過觀察治療前與治療后病機的變化判斷療效[14]。無論哪種都依靠醫(yī)生的經(jīng)驗與主觀感受，依賴患者癥狀與體征的變化進行療效評價，會帶來重復(fù)性差、主觀性強并且觀察時間有限等問題[15]。但如果中醫(yī)療效的評價方法和指標(biāo)只是單純照搬生物醫(yī)學(xué)的模式，又很難反映出中醫(yī)的自身規(guī)律與特點，反而會對中醫(yī)藥的持續(xù)發(fā)展產(chǎn)生不利的影響。

1.3 缺乏高質(zhì)量臨床數(shù)據(jù)大數(shù)據(jù)需要人工智能，人工智能也需要大數(shù)據(jù)。戰(zhàn)勝李世石和柯潔的阿爾法狗（AlphaGo）學(xué)習(xí)了超過三千萬盤棋局，而作為一個中醫(yī)CDSS系統(tǒng)保守估計至少需要上千份有質(zhì)量的病歷資料來進行機器學(xué)習(xí)。雖然目前已有微醫(yī)集團的“懸壺臺”、朱文鋒教授的“WF文鋒-Ⅲ中醫(yī)（輔助）診療系統(tǒng)”等多種中醫(yī)CDSS問世，但由于缺乏一套完備可靠的中醫(yī)臨床數(shù)據(jù)來源，無法真實模擬中醫(yī)診療疾病思維的過程，大大限制其輔助診療的正確性和臨床實用性，無法提供高質(zhì)量且合理的管理建議，無法達到理想的用戶滿意度和實用性。當(dāng)前大部分醫(yī)療數(shù)據(jù)，特別是中醫(yī)數(shù)據(jù)都是準(zhǔn)確度低且缺乏完整性的非結(jié)構(gòu)化無效數(shù)據(jù)，因為在臨床病例采集中，即使對于同一患者，不同采集者所采集的數(shù)據(jù)都難以做到一致。而中醫(yī)更是具有非常個性化的特點，致使中醫(yī)數(shù)據(jù)的產(chǎn)生具備了高度的不可預(yù)測性，這也嚴(yán)重影響中醫(yī)大數(shù)據(jù)的利用。

2 方法與對策

2.1 加速中醫(yī)藥規(guī)范化進程，符合信息化需求目前我國已投入大量人力物力進行中醫(yī)規(guī)范化術(shù)語研究，且已經(jīng)取得了一些成果，建立了一些具有一定規(guī)模的術(shù)語庫，如中醫(yī)藥學(xué)語言系統(tǒng)（TCMLS）、中醫(yī)臨床術(shù)語系統(tǒng)、中醫(yī)古籍語言系統(tǒng)等許多大型的術(shù)語系統(tǒng)[16]。但是，這些標(biāo)準(zhǔn)仍未完全符合國際標(biāo)準(zhǔn)化組織技術(shù)規(guī)范，僅可實現(xiàn)簡單的檢索功能，難以進行深度數(shù)據(jù)挖掘與分析[17]。2019年中國中醫(yī)藥信息學(xué)會發(fā)布了57項團體標(biāo)準(zhǔn)（T/CIATCM 001～057—2019），是我國中醫(yī)藥信息行業(yè)的首批團體標(biāo)準(zhǔn)。這57項標(biāo)準(zhǔn)涵蓋中醫(yī)藥信息的基礎(chǔ)標(biāo)準(zhǔn)、數(shù)據(jù)標(biāo)準(zhǔn)、技術(shù)標(biāo)準(zhǔn)和管理標(biāo)準(zhǔn)等101項中醫(yī)藥信息標(biāo)準(zhǔn)研究項目。其中《中醫(yī)臨床基本癥狀信息分類與代碼》中包含了881個中醫(yī)基本癥狀信息的分類代碼表，基本能夠滿足中醫(yī)臨床病歷的需求。雖然這個團體標(biāo)準(zhǔn)與臨床應(yīng)用之間還有一定的距離，但是相信通過不斷的臨床應(yīng)用和反饋，最終必然會形成一套完善的可以應(yīng)用于大數(shù)據(jù)研究的中醫(yī)藥規(guī)范化術(shù)語庫。

2.2 利用名老中醫(yī)病案和中醫(yī)古籍，提高數(shù)據(jù)質(zhì)量中醫(yī)藥大數(shù)據(jù)研發(fā)缺乏可靠的臨床數(shù)據(jù)，這是短時間內(nèi)無法解決的難題。相較于大量質(zhì)量參差不齊的中醫(yī)臨床數(shù)據(jù)，名老中醫(yī)的臨床病案和中醫(yī)古籍中記載的經(jīng)典方藥，在質(zhì)量上更適合直接被人工智能采用。

名老中醫(yī)的診療經(jīng)驗傳承是中醫(yī)藥理論創(chuàng)新發(fā)展的思想源泉，也是發(fā)掘我國中醫(yī)藥寶藏的重要學(xué)術(shù)支撐。截至目前，國家已開展了六批3600余人次的全國老中醫(yī)藥專家學(xué)術(shù)經(jīng)驗繼承工作、1200余個名老中醫(yī)傳承工作室建設(shè)工作，已擁有200多位名醫(yī)的醫(yī)案4萬份、典型醫(yī)案6000余份、有效方藥300多首等數(shù)據(jù)資源。這些珍貴的特色病案與有效方藥不僅是中醫(yī)最寶貴的財富，也是可靠的中醫(yī)臨床數(shù)據(jù)來源。盡管傳承成果豐碩，但由于名老中醫(yī)診療經(jīng)驗的傳承模式目前仍以師帶徒為主，效率低下且周期過長，缺乏現(xiàn)代科技的支撐。因此如何將名老中醫(yī)臨床病案進行數(shù)據(jù)處理，挖掘其中隱含的診療知識并進行總結(jié)研究，進而模擬名老中醫(yī)的診療思維，研發(fā)基于名老中醫(yī)診療經(jīng)驗的CDSS已成為新的研究熱點。這種結(jié)合模式不僅能解決中醫(yī)CDSS研發(fā)缺乏臨床大數(shù)據(jù)支持的問題，同時也能解決名老中醫(yī)傳承科技水平低下、缺乏成果轉(zhuǎn)化的問題。

與名老中醫(yī)經(jīng)驗相似，中醫(yī)古籍中記載的經(jīng)典方是中醫(yī)理論和診療實踐傳承的載體，蘊含著巨大的信息量。據(jù)2007年上海辭書出版社出版的《中醫(yī)古籍總目》記載，全國131個圖書館中館藏中醫(yī)書目有1.3萬種，涉及范圍包括臨床診療經(jīng)驗、中藥采集、藥性辨別、醫(yī)案解釋和偏方驗方匯集等。屠呦呦正是通過古籍文獻帶來的靈感發(fā)現(xiàn)了青蒿素，于2015年10月獲得諾貝爾生理學(xué)或醫(yī)學(xué)獎，這說明古籍中蘊含著極為有價值的信息。目前對中醫(yī)古籍的數(shù)據(jù)挖掘大多比較粗淺，主要是一些用藥頻次研究或簡單的關(guān)聯(lián)分析[18]，但也曾有學(xué)者將人工神經(jīng)網(wǎng)絡(luò)、決策樹等人工智能手段融入到古籍?dāng)?shù)據(jù)挖掘中[19]。雖然這些研究成果的臨床實用性還有待驗證，但是足以說明對中醫(yī)古籍進行數(shù)據(jù)挖掘，從而為中醫(yī)CDSS提供基礎(chǔ)數(shù)據(jù)和機器學(xué)習(xí)的素材是一條潛在的可行之路。

2.3 從單病種開始，逐漸完成融合以目前的技術(shù)和前期研究成果，想要一步到位研發(fā)出面向各個?？频闹嗅t(yī)CDSS幾乎是不可能的事。但是我們可以先從單病種開始，研發(fā)出針對某一?？频腃DSS系統(tǒng)，最終融合形成全面的面向中醫(yī)各個學(xué)科的CDSS系統(tǒng)?；仡機DSS在國外的發(fā)展趨勢，我們發(fā)現(xiàn)即使在CDSS研發(fā)起步較早的美國，目前仍然是以?？艭DSS研發(fā)為主[20]。例如用于精神病學(xué)心理健康管理決策支持的CEMS（clinical evaluation and monitoring system）系統(tǒng)，用于傳染病診斷決策支持的全球傳染病和流行病學(xué)網(wǎng) 絡(luò)（global infectious diseases and epidemiology network，GIDEON）系統(tǒng)[21]，用于婦產(chǎn)科臨床決策支持的IPROB系統(tǒng)及用于艾滋病病毒（HIV）感染患者藥物療法決策支持的RetroGram系統(tǒng)[22，20]，等等。雖然也有例如DXplain和伊莎貝爾（Isabel）系統(tǒng)在內(nèi)的運用范圍較廣的CDSS出現(xiàn)，但應(yīng)用場景僅包括案例分析、教學(xué)輔助、定點照護及醫(yī)療咨詢[23]，距離理想中的CDSS系統(tǒng)還相去甚遠。

中醫(yī)CDSS的研發(fā)難度遠高于西醫(yī)，因此我們也不必急于研發(fā)面向各個?？频闹嗅t(yī)CDSS，可以先著手研發(fā)針對單個中醫(yī)?？频腃DSS，等時機成熟了以后再將其融合，形成完整的中醫(yī)CDSS。這樣可以暫時降低研發(fā)的難度，為后期的研發(fā)提供寶貴的經(jīng)驗，反而有可能加快CDSS的研發(fā)速度，減少走彎路的過程，不失為一種較為有效的探索方式。

3 結(jié)語

自1950年邏輯健康處理評價（health evaluation through logical processing，HELP）系 統(tǒng) 問 世 以 來，CDSS的研發(fā)已經(jīng)走過了70多年的歷程。我國自主研發(fā)的CDSS也如雨后春筍般涌現(xiàn)，并逐步投入臨床應(yīng)用，騰訊和阿里等互聯(lián)網(wǎng)公司均涉足其中。但限于數(shù)據(jù)、算法等制約因素，基于人工智能的中醫(yī)輔助診療系統(tǒng)發(fā)展非常滯后，目前依然沒有人工智能在中醫(yī)藥領(lǐng)域應(yīng)用的成功案例。雖然困難重重，但是市場對中醫(yī)CDSS的需求卻一直非常強大。僅從慢性病防治這一應(yīng)用層面來說，中醫(yī)CDSS就具有協(xié)助廣大青年醫(yī)生完成臨床決策，提高廣大基層醫(yī)務(wù)工作者慢病防治水平，提升醫(yī)療質(zhì)量，控制醫(yī)療費用支出，提高社會資源利用率的作用。

中醫(yī)的發(fā)展需要傳承與創(chuàng)新?；跁r代高速發(fā)展的人工智能技術(shù)為中醫(yī)的傳承和創(chuàng)新提供了非常好的途徑和路徑，使得中醫(yī)的創(chuàng)新形式更加多樣化和標(biāo)準(zhǔn)化，與現(xiàn)代醫(yī)學(xué)的結(jié)合也更強。盡管中醫(yī)CDSS在多種方面存在很多問題與挑戰(zhàn)，但憑借著廣闊的發(fā)展空間和應(yīng)用前景，相信在未來中醫(yī)人工智能的幫助下可以解決中醫(yī)發(fā)展過程中面臨的更多實際問題，為人類健康作出更多貢獻。