臨床實踐指南制定的自動化、智能化工具研究進展

余麗娜，任相穎，任相閣，王永博，李緒輝，黃橋，張蓉，王婷，靳英輝

2011年，美國醫(yī)學(xué)研究所（IOM）將臨床實踐指南（CPG，下文簡稱指南）定義為是基于系統(tǒng)評價證據(jù)，平衡不同干預(yù)措施的利弊后形成的旨在為患者提供最佳保健服務(wù)的推薦意見[1]。指南是促進高質(zhì)量證據(jù)向臨床決策轉(zhuǎn)化的重要路徑，指南的推廣和實施有助于持續(xù)提高醫(yī)療服務(wù)質(zhì)量，保證醫(yī)務(wù)人員提供給患者最佳和最合理的醫(yī)療服務(wù)，同時也可減少不同機構(gòu)或人員之間醫(yī)療實踐的差異性，規(guī)范醫(yī)療行為[2]。指南的制訂是一項復(fù)雜、耗時且昂貴的系統(tǒng)工程，通常需1～2年時間完成。2003年一項對指南制訂者的調(diào)查發(fā)現(xiàn)指南制訂的平均成本為每部指南200 000美元[3]。一項針對國際指南制訂機構(gòu)的調(diào)查顯示，22.9%（8/35）的國際指南制訂機構(gòu)修訂周期為4～5年，40%（14/35）的修訂周期為2～3年，8.6%（3/35）的修訂周期≤1年，28.6%（10/35）未明確修訂周期[4]。指南制訂的時間長、成本高和更新慢，嚴重影響了指南的有效使用及最新臨床研究證據(jù)向?qū)嵺`的有效轉(zhuǎn)化。如何利用自動化、智能化的工具或平臺加速指南的制訂流程，提高其更新效率，創(chuàng)新其傳播方式現(xiàn)已成為循證醫(yī)學(xué)研究中核心議題之一，為此研究者應(yīng)用計算機、數(shù)據(jù)挖掘等技術(shù)，開發(fā)了多種工具或平臺，輔助指南的制訂、更新與傳播。本文旨在介紹指南制訂工具或平臺并對其能實現(xiàn)的功能進行總結(jié)分析，以傳播這些方法和技術(shù)，促進指南制訂者的選擇使用。

1 指南制訂中系統(tǒng)評價的自動化、智能化工具

在指南制訂過程中，涉及一系列嚴格的科學(xué)步驟，其中最耗時的過程是對現(xiàn)有證據(jù)進行系統(tǒng)評價[5]。有研究表明從注冊到發(fā)布，系統(tǒng)評價平均需要67周[6]。使用自動化、智能化工具可提高文獻檢索、文獻篩選、數(shù)據(jù)提取與分析和偏倚風(fēng)險評估的效率，減少人工重復(fù)勞動，進而優(yōu)化和加速指南的制訂過程。國際指南網(wǎng)（GIN）已在其網(wǎng)站上發(fā)布了一系列推薦的工具，如CAN-IMPLEMENT?（用于對現(xiàn)有的指南進行修訂和改編）；Abstrackr（半自動的文獻篩選工具）；Epistemonikos（面向醫(yī)療專業(yè)人員、研究人員和醫(yī)療決策者的證據(jù)庫）；RevMan、Distiller SR、Rayyan、JBI-SUMARI、EPPI-Reviewer和Covidence（系統(tǒng)評價工具）等[7]。為了方便研究人員選擇合適的自動化工具，Dr.Mershall于2015年創(chuàng)建了系統(tǒng)評價工具箱（http://systematicreviewtools.com），該在線平臺全面的匯總了現(xiàn)存的系統(tǒng)評價工具，截止目前已收錄了213個自動化、智能化工具。

1.1 文獻檢索指南的制訂需要收集所有可能獲得的相關(guān)高質(zhì)量證據(jù)。文獻檢索的過程常常依據(jù)證據(jù)金字塔“從高到低”逐級檢索的順序進行，證據(jù)的類型一般包括臨床實踐指南、系統(tǒng)評價、Meta分析、實驗性研究、觀察性研究、質(zhì)性研究、專業(yè)共識、專家意見、案例分析、經(jīng)濟學(xué)研究等[8]。常用數(shù)據(jù)庫有Cochrane圖書館、JBI循證衛(wèi)生保健數(shù)據(jù)庫、Campbell圖書館、Pubmed、CNKI等。相較于常用數(shù)據(jù)庫而言，Epistemoniko（https://www.epistemonikos.org）作為系統(tǒng)評價數(shù)據(jù)庫能夠同時搜索多個數(shù)據(jù)庫（包括Cochrane、JBI、DARE、Pubmed等10個數(shù)據(jù)庫），同時可使用包括中文在內(nèi)的9種語言直接搜索。其次，Epistemoniko“證據(jù)矩陣”工具有助于快速搜索和更新。該工具可以自動檢測與“證據(jù)矩陣”共享原始研究的新的系統(tǒng)評價，并提醒研究者有新證據(jù)更新[9]。

1.1.1 構(gòu)建檢索策略在文獻檢索中，首要任務(wù)是構(gòu)建檢索策略。確定檢索式、查找主題詞和自由詞是形成敏感和完整檢索策略的關(guān)鍵。John在對研究人員和醫(yī)生的調(diào)查中發(fā)現(xiàn)“難以選擇最佳策略來搜索文獻”是文獻檢索的障礙之一[10]。醫(yī)學(xué)文本索引器（MTI）是美國國家醫(yī)學(xué)圖書館（NLM）開發(fā)的文本分析工具，能夠根據(jù)醫(yī)學(xué)主題詞（MeSH）生成半自動和全自動索引建議[11]。2014年，MTI與NLM的MeSH部門合作開發(fā)了MeSH on Demand（https://meshb.nlm.nih.gov/MeSHonDemand），為MTI提供了簡化的用戶界面。研究者可將含有主題詞或自由詞的文本（手稿或是文獻摘要）復(fù)制到MeSH on Demand中，系統(tǒng)可自動標識出文本中MeSH術(shù)語，研究者可利用標識出的MeSH術(shù)語在PubMed中開始檢索。同時系統(tǒng)還會列出與提交文本相關(guān)的PubMed/MEDLINE中的相識文獻。

1.1.2 基于Web的搜索工具Import.io（https://www.import.io/）是一個免費的網(wǎng)絡(luò)爬取軟件，主要功能是搜索現(xiàn)有的基于Web的搜索引擎，并下載搜索結(jié)果（包括搜索詞，搜索日期和網(wǎng)頁地址等）。在系統(tǒng)評價中，可被用來從網(wǎng)站上下載文獻，以提高灰色文獻檢索的透明度和可重復(fù)性[12]。Import.io通過透明地記錄搜索結(jié)果，可以提高系統(tǒng)評價檢索的可重復(fù)性。同時，使用Import.io可以將在各網(wǎng)站上的搜索結(jié)果整理到一個數(shù)據(jù)庫中，并以詳細的引文形式呈現(xiàn)，研究者可以很容易對其進行更新，組合和修改。

PaperBot（https://github.com/NeuroMorphoOrg）是一個免費的、可配置、模塊化的開源爬網(wǎng)程序，可自動、定期的進行全文檢索并能有效注釋經(jīng)過同行評審的文獻。PaperBot可獨立運行，也可與其他軟件平臺集成。PaperBot根據(jù)預(yù)設(shè)的檢索策略來檢索包括Elsevier、Wiley、Springer、PubMed、Nature和Google Scholar在內(nèi)的各種數(shù)據(jù)庫。PaperBot還提供手動添加文章的一鍵式選項，保存文獻信息后能通過網(wǎng)絡(luò)訪問。PaperBot的定期每月搜索，重復(fù)檢測和文獻信息提取大大節(jié)省了在文獻檢索和更新上耗費的人力[13]。

1.2 文獻篩選對文獻進行系統(tǒng)的篩選是一項繁瑣且耗時但至關(guān)重要的步驟。文獻篩選通常分為兩個階段，第一階段通過閱讀文獻的標題和摘要來排除不相關(guān)的文獻，第二階段通過閱讀全文來排除不相關(guān)的文獻?；谘芯吭O(shè)計類型和標題和摘要的文獻的篩選工具已經(jīng)成熟。利用機器學(xué)習(xí)、文字挖掘、數(shù)據(jù)挖掘、文本分類等技術(shù)開發(fā)的文獻篩選工具，能夠?qū)祟}和摘要進行自動、半自動篩選，排除不相關(guān)的文獻，獲取符合納入標準的文獻，極大節(jié)省了人工篩選的時間[14]，但基于全文的文獻篩選仍是嚴峻的挑戰(zhàn)[15]。

1.2.1 基于研究設(shè)計類型的文獻篩選工具Cochrane協(xié)作網(wǎng)通過眾包（Cochrane Crowd平臺）和機器學(xué)習(xí)混合的方法來識別所有已發(fā)表的隨機對照試驗（RCT）以建立一個全面的RCT數(shù)據(jù)庫。研究表明使用這種混合方法將所需手動篩選的文獻數(shù)量減少78%，召回率保持在98%[16]。Cohen開發(fā)的RCT Tagge（http://arrowsmith.psych.uic.edu/cgibin/arrowsmith_uic/RCT_Tagger.cgi）使用機器學(xué)習(xí)的方法來檢測文獻中的RCT。研究顯示該工具準確區(qū)分RCT和非RCT的接受者操作特征曲線下面積（AUROC）為0.973[17]。該工具可免費使用并允許研究者自主選擇搜索的置信度閾值。另外，Marshall開發(fā)的RobotSearch使用卷積神經(jīng)網(wǎng)絡(luò)、支持向量機和集成法來識別RCT。該工具已被驗證能夠達到很高的區(qū)分性能（AUROC=0.987），與基于關(guān)鍵詞的Cochrane高敏感度搜索策略相比，檢索到的不相關(guān)文章的數(shù)量減少了大約一半，而不會丟失任何其他RCT[18]。研究者可通過將RIS文件上傳到RobotSearch網(wǎng)站（https://robotsearch.vortext.systems/）就可以免費使用該工具，工具會返回僅包含RCT的過濾文件。

1.2.2 基于標題和摘要的文獻篩選工具Abstrackr（http://abstrackr.cebm.brown.edu/）是一個免費的在線機器學(xué)習(xí)工具，通過半自動化標題和摘要篩選來提高證據(jù)綜合的效率。截至2012年，Abstrackr已被用于促進至少50個系統(tǒng)評價的篩選[19]。Abstrackr通過學(xué)習(xí)研究者的納入和排除標準，從已篩選文獻的摘要和標題中提取關(guān)鍵字，構(gòu)建可模仿用戶決策的模型。當(dāng)Abstrackr學(xué)習(xí)了足夠多的納入和排除文獻時，就可自動篩選剩余的文獻，從而使人工篩選的工作量減半。類似的文獻篩選的工具還有ASReview（https://asreview.nl/#!/up），該工具使用主動學(xué)習(xí)來訓(xùn)練機器學(xué)習(xí)模型，以提高篩選標題和摘要的效率[20]。另外，國內(nèi)的研究者如北醫(yī)三院也開發(fā)的基于PICO問題的文獻題錄篩選工具EBM AI-Reviewer（http://www.Ebmeasyreviewer.com/login）[21]。

1.3 數(shù)據(jù)提取傳統(tǒng)系統(tǒng)評價方法中利用數(shù)據(jù)提取表格手動采集錄入相關(guān)研究數(shù)據(jù)無疑是耗時耗力的，如何自動提取數(shù)據(jù)的方法和技術(shù)仍具有挑戰(zhàn)，目前并未成熟[22]。Jonnalagadda在系統(tǒng)評價中指出尚未找到統(tǒng)一的數(shù)據(jù)提取框架，生物醫(yī)學(xué)自然語言處理技術(shù)未得到充分利用，無法完全或部分完成自動化的數(shù)據(jù)提取[23]。2016年，國際系統(tǒng)評價自動化協(xié)作組織（ICASR）將開發(fā)數(shù)據(jù)提取工具作為優(yōu)先領(lǐng)域，目前在提取哪些元素，如何測量準確性以及如何在協(xié)作中共享數(shù)據(jù)等方面尚未達成共識[24]。目前存在的數(shù)據(jù)提取工具主要有機器學(xué)習(xí)數(shù)據(jù)提取工具（ExaCT）和用于PDF的自動化結(jié)構(gòu)化數(shù)據(jù)提取工具（Graph2Data）。

ExaCT（http://exactdemo.iit.nrc.ca）可幫助研究者從文獻中提取關(guān)鍵的實驗特征[25]。該工具由兩個主要部分組成：IE引擎和交互式用戶界面。IE引擎自動識別文獻中描述實驗的干預(yù)措施、人群、結(jié)局指標、資金來源和其他特征的文本。對全文數(shù)據(jù)的提取有兩個階段，第一個階段是目標句子的識別，第二階段是弱提取規(guī)則的應(yīng)用。通過用戶界面向研究者展示每項提取的實驗特征相應(yīng)目標片段中得分最高的句子。研究者可評估并更正信息，再將其存儲在數(shù)據(jù)庫中。在ExaCT團隊的評估中發(fā)現(xiàn)，當(dāng)檢索到5個最有可能的句子時，該工具具有很高的召回率（對于收集的不同變量而言，召回率為72%～100%）。

Graph2Data（https://github.com/EPPI-Centre/Graph2Data）是基于Web的圖形數(shù)據(jù)提取工具，可以幫助研究者從PDF文件的圖形中提取定量數(shù)據(jù)。該工具在研究者指定軸值和數(shù)據(jù)類型后通過鼠標在屏幕上單擊適當(dāng)?shù)狞c來從圖形中提取數(shù)據(jù)[26]。

1.4 數(shù)據(jù)分析數(shù)據(jù)分析工具，特別是用于執(zhí)行meta分析的工具，已被大家熟知，如RevMan、MetaDisc、WinBUGS、Stata和R等。但從原始文獻自動提取效應(yīng)量，尤其是從圖形中提取統(tǒng)計信息仍然是困難的，相關(guān)的自動化工具還有待開發(fā)。

MetaInsight（https://crsu.shinyapps.io/Metainsightc）不需要用戶安裝任何專用軟件，可直接通過Web進行網(wǎng)狀Meta分析[27]。該工具是交互式的，用戶輸入數(shù)據(jù)后只需點擊各選項就能進行數(shù)據(jù)分析并以可視化方式呈現(xiàn)研究結(jié)果、網(wǎng)絡(luò)圖和森林圖。該工具還可進行異致性檢驗和敏感性分析。

PythonMeta（https://www.pymeta.com/）是適用于Python語言的Meta分析軟件包，可實現(xiàn)固定和隨機效應(yīng)模型常見效應(yīng)量（OR、RR、RD、MD、SMD），異質(zhì)性檢驗（Q/卡方檢驗）、亞組分析、累積Meta分析、敏感性分析、森林圖、漏斗圖等。相較于其他Meta分析軟件，具有跨平臺使用、功能定制、網(wǎng)絡(luò)支持和易于擴展的優(yōu)點[28]。

1.5 偏倚風(fēng)險評估在系統(tǒng)評價中評估原始研究的方法學(xué)質(zhì)量非常重要。質(zhì)量包括內(nèi)部真實性和外部真實性，而方法學(xué)質(zhì)量通常是指內(nèi)部真實性。內(nèi)部真實性也被Cochrane協(xié)作網(wǎng)稱為“偏倚風(fēng)險（RoB）[29]。研究表明，80%的RCT的偏倚風(fēng)險評估需要花費平均10～60 min的時間才能完成[30]。利用人工智能技術(shù)，實現(xiàn)偏倚風(fēng)險評估的自動化，將從一定程度上減輕研究者的工作量。

RobotReviewer（https://vortext.systems/robotreviewer）是一個機器學(xué)習(xí)系統(tǒng)，可自動進行臨床實驗偏倚風(fēng)險評估。RobotReviewer會以PDF格式獲取RCT報告，自動檢索并標記文獻中描述PICO（人群、干預(yù)、對照和結(jié)果）和實驗設(shè)計（隨機序列生成、分配隱藏等）的句子，進行偏倚風(fēng)險評估并輸出結(jié)果（低、高或不明確）。開發(fā)團隊進行的驗證研究發(fā)現(xiàn)，自動化的RoB評估偏倚風(fēng)險測試結(jié)果比人工評估的準確度低7%。開發(fā)者認為盡管現(xiàn)在該工具準確性落后于人類，但隨著方法的改進和性能的提升可能會縮小這一差距，且最終可完全取代人工偏倚風(fēng)險評估[31]。

1.6 用于系統(tǒng)評價綜合性工具除單一功能的自動化、智能化工具外，許多研究組織還開發(fā)了具有更多功能的綜合性系統(tǒng)評價工具，包括Covidence[32]、DistillerSR[33]、EPPI-Reviewer[34]、Rayyan[35]、JBI-SUMARI[36]、SyRF[37]和Systematic Review Accelerator（SRA）[38]，表1。其中，Covidence和EPPI-Reviewer都是Cochrane社區(qū)推薦的工具，可使用Cochrane帳戶登錄并免費使用[39]。同時，已有研究者在案例報告中描述了如何使用SRA在2周內(nèi)完成一個完整的系統(tǒng)評價的詳細過程[38]。

表1 多功能自動化、智能化的綜合性系統(tǒng)評價工具

2 針對指南制訂全過程的自動化、智能化工具

2.1 MAGIC證據(jù)生態(tài)系統(tǒng)的核心平臺--MAGICappMAGIC（Making GRADE the Irresistible Choice，網(wǎng)址：www.magicproject.org）是一項非盈利的國際性科研和創(chuàng)新組織，致力于結(jié)合網(wǎng)絡(luò)技術(shù)并通過國際合作以促進可信賴指南的制定，傳播和動態(tài)更新。MAGIC提出了“數(shù)據(jù)化和可信的證據(jù)生態(tài)系統(tǒng)（Digital and trustworthy evidence ecosystem）”的概念，該系統(tǒng)認為一個良好的證據(jù)生態(tài)系統(tǒng)要求最佳的證據(jù)必須在原始研究的研究者、證據(jù)合成的研究者、證據(jù)傳播和證據(jù)應(yīng)用的專業(yè)實踐者之間進行無縫轉(zhuǎn)化，以實現(xiàn)可持續(xù)循環(huán)[40]。這樣一個動態(tài)化的過程被稱之為證據(jù)生態(tài)系統(tǒng)。證據(jù)生態(tài)系統(tǒng)的循環(huán)基于五大核心要素，包括：①電子化、結(jié)構(gòu)化數(shù)據(jù)；②可信證據(jù)；③方法上共識；④分享文化和氛圍；⑤工具和平臺。這五大要素推動了證據(jù)從研究向?qū)嵺`不斷的流動更新。2013年MAGIC發(fā)布了一個在線應(yīng)用程序MAGICapp（網(wǎng)址：www.magicapp.org）。MAGICapp是證據(jù)生態(tài)系統(tǒng)的核心平臺，可以創(chuàng)建，傳播和動態(tài)更新數(shù)字化和結(jié)構(gòu)化的證據(jù)概要和推薦意見[41]，它是一個基于web的協(xié)作工具，不需要安裝任何軟件，適用于所有移動設(shè)備。MAGICapp使用GRADE方法，以高度結(jié)構(gòu)化的方式編寫指南和證據(jù)概要。同時，也可對指南進行維護以使它們始終保持最新狀態(tài)，并根據(jù)研究者選擇的渠道發(fā)布它們，圖1。MAGICapp能夠?qū)崿F(xiàn)簡化指南制訂的過程（參考資料管理，結(jié)構(gòu)化PICO問題，進行GRADE證據(jù)評價等）、在線發(fā)布指南、各指南制訂小組成員在線協(xié)同工作、項目管理（監(jiān)控進度、發(fā)布分配任務(wù)和質(zhì)量控制）、根據(jù)相應(yīng)PICO的證據(jù)摘要自動生成決策輔助工具和實現(xiàn)與電子醫(yī)療記錄（Electronic Medical Records，EMR）集成的功能。

圖1 MAGICapp-指南的創(chuàng)作和發(fā)布平臺

2.2 GRADE工作組開發(fā)的指南制訂工具--GRADEpro GRADE工作組于2013年正式推出了一款在線的指南制訂工具GRADEpro GDT[42]，可通過http://guidelinedevelopment.org或http://gradepro.org獲得，GRADEpro用于系統(tǒng)評價和指南制定。GRADEpro遵循GRADE方法，從證據(jù)總結(jié)到推薦意見的產(chǎn)生和傳播，能夠指導(dǎo)整個指南制定的過程。GRADEpro的主要功能包括團隊管理、范圍管理（向項目成員發(fā)送表格以進行頭腦風(fēng)暴，通過優(yōu)先級的劃分篩選臨床問題，確定指南領(lǐng)域）、利益沖突管理、參考文獻管理、創(chuàng)建證據(jù)概要表、簡化從證據(jù)到推薦意見的流程、與各種外部系統(tǒng)（例如RevMan、電子醫(yī)療記錄系統(tǒng)等）交換數(shù)據(jù)和發(fā)布指南。目前，已有全球許多知名的醫(yī)療衛(wèi)生機構(gòu)和協(xié)會（如世界衛(wèi)生組織、歐洲呼吸學(xué)會、美國胸腔學(xué)會、歐洲重癥監(jiān)護醫(yī)學(xué)會、世界過敏組織和沙特阿拉伯衛(wèi)生部等）在指南制訂的過程中使用GRADEpro[43]。一項對GIN個人及組織成員的調(diào)查結(jié)果發(fā)現(xiàn) GRADEpro是最受歡迎的指南制訂工具（在受訪者中占26%），指南制訂工具主要用于指南制定的證據(jù)收集階段[44]。

2.3 MAGICapp和GRADEPro關(guān)鍵功能的比較

2.3.1 團隊管理與任務(wù)管理MAGICapp區(qū)分了組織和個人賬戶。只有組織賬戶才能發(fā)布指南，組織賬戶的管理員才能以該組織的名義創(chuàng)建指南。創(chuàng)建指南后，管理員可以添加指南管理員、作者、審閱者和查看者。個人賬戶無法發(fā)布指南，個人帳戶下創(chuàng)建的指南只能用于研究或教學(xué)目的。MAGICapp中，可將指南的狀態(tài)設(shè)置為“正在開發(fā)”、“內(nèi)部審查”、“外部審查”、“完成出版”、“更新”和“空白（未設(shè)置）”，能夠使成員掌握指南完成進度。GRADEPro頁面菜單中的團隊（TEAM）選項允許管理指南團隊成員?？赏ㄟ^姓名和電子郵件將成員添加到指南團隊中。任務(wù)（TASKS）選項具有基本的日歷功能，可以將與指南或團隊相關(guān)的任務(wù)或事件添加到日歷，設(shè)置任務(wù)的截止日期。

2.3.2 利益沖突管理GRADEPro支持利益沖突表單的跟蹤和收集。指南管理員能夠選擇適當(dāng)?shù)睦鏇_突表單（如國際醫(yī)學(xué)期刊編輯委員會和世界衛(wèi)生組織的利益沖突表單），并一鍵將其發(fā)送給團隊成員。MAGICapp的此項功能正在開發(fā)中。

2.3.3 構(gòu)建臨床問題MAGICapp使用PICO來描述臨床問題，在頁面中可以使用“添加PICO”按鈕添加和編輯PICO的任一部分。有3種方式用來添加PICO：①手動：創(chuàng)建一個PICO，手動填寫數(shù)據(jù)；②使用RevMan文件：從RevMan文件中提取更多信息；③使用下載的PICO文件：可以從組織內(nèi)部的其他指南下載，也可從共享數(shù)據(jù)的組織外部指南下載。在MAGICapp中對于每個PICO都可以添加不同術(shù)語（ICD-10和MeSH等）的代碼，可以使用PICO進行更精確的搜索，并為電子醫(yī)療記錄提供有關(guān)PICO內(nèi)容的信息。GRADEPro頁面菜單中的范圍（SCOPE）選項支持臨床問題生成。問題生成過程的流程為：①初稿：流程的第一步，再次添加最初的臨床問題；②集思廣益：團隊成員通過電子郵件接收表格，添加和提交他們提出的問題；③完整問題列表：收集了團隊成員的問題后，管理員對其審核并能夠添加或修改問題；④優(yōu)先排序：電子郵件表格要求用戶優(yōu)先考慮頭腦風(fēng)暴期間收集的問題；⑤確定最終問題：在此流程中確定最終問題清單；⑥審核問題清單：團隊成員審批問題清單；⑦完成：標記為重要的臨床問題將自動傳輸?shù)奖容^（COMPARISONES）選項中。

2.3.4 證據(jù)分級和推薦強度MAGICapp和GRADEPro都使用GRADE方法進行證據(jù)分級與推薦強度的制定。在MAGICapp的證據(jù)（Evidence）選項中對證據(jù)分級，并通過三個顏色選項來區(qū)分推薦強度：灰色（未設(shè)置）、黃色（弱推薦）和綠色（強推薦）。GRADEpro支持在“證據(jù)概要表”中評估證據(jù)的等級，推薦意見分為：強推薦使用、強反對使用、考慮使用、考慮反對使用、不明確五種情況。

2.3.5 證據(jù)向推薦意見轉(zhuǎn)化MAGICapp在每條建議下都有一個“關(guān)鍵信息”（key information）選項，提供了EtD框架可填寫4個關(guān)鍵信息：收益/危害（benefit/harms ）、證據(jù)質(zhì)量（quality of evidence）、偏好和價值（preferences and values）以及資源使用（resource use）。GRADEpro開發(fā)了8種不同類型的EtD框架以利于證據(jù)向推薦意見轉(zhuǎn)化。不同類型EtD框架的大多數(shù)標準是相似的，主要從8個方面（問題的優(yōu)先性、期望的結(jié)果、不良反應(yīng)，對證據(jù)體的信心、患者價值偏好、利弊平衡、終端用戶的可接受性及推薦的可行性）來總結(jié)相關(guān)綜合信息，以供形成推薦意見時做參考。

3 臨床實踐指南制定的自動化、智能化工具面臨的挑戰(zhàn)和未來方向

隨著自動化、智能化工具和平臺在指南領(lǐng)域的開發(fā)和應(yīng)用，這些工具和平臺已成為優(yōu)化加速指南制訂流程，實現(xiàn)其持續(xù)更新，拓展其傳播方式的重要方法和發(fā)展趨勢。但在實際應(yīng)用中仍然存在許多障礙。首先，指南制訂要求其方法學(xué)具有絕對的準確性，可能是實現(xiàn)完全自動化的一大障礙。這些工具和平臺中運用的人工智能技術(shù)，例如機器學(xué)習(xí)算法尤其是那些基于神經(jīng)網(wǎng)絡(luò)的算法，可能會做出難以預(yù)料的預(yù)測。對于這些算法，通常很難檢測到錯誤或偏差，被認為是最終用戶的黑匣子[45]。其次，部分自動化、智能化工具和平臺的學(xué)習(xí)曲線曲折，研究者可能需要花費較多時間才能熟練應(yīng)用。最后，在具有一定“創(chuàng)造性”的流程中（如證據(jù)質(zhì)量評價和證據(jù)向推薦意見轉(zhuǎn)化），讀者可能對專家深思熟慮的意見更有信心，而不是機器[15]。目前，大多數(shù)工具和平臺都被設(shè)計為人機交互界面，人工審核者擁有最終決定權(quán)。也有研究[46]建議使用文獻篩選工具節(jié)省雙重篩選中的一個人力，作為傳統(tǒng)雙人篩選的替代方案。由于上述原因，目前完全實現(xiàn)指南的自動化、智能化仍是遙不可及。

國際系統(tǒng)評價自動化協(xié)作組織（ICASR）致力于最大程度地利用技術(shù)來進行快速，準確和高效的系統(tǒng)評價。在2015年，該組織提出了“維也納原則”，該原則共8條內(nèi)容，包括：①系統(tǒng)評價的制作涉及許多工作，每項工作存在不同問題，需持續(xù)改進；②自動化可協(xié)助完成系統(tǒng)評價的所有步驟，從確定選題到發(fā)現(xiàn)研究空白，從計劃書的撰寫到全文的撰寫及傳播；③每個步驟都可以且應(yīng)不斷改進，以提高應(yīng)用自動化方法和工具時的效率和準確性；④自動化可以且應(yīng)高標準地促進系統(tǒng)評價的報告、制作和更新；⑤開發(fā)商還應(yīng)提供友好的界面和組件，如將任務(wù)進行細分或合并，允許不同用戶使用不同的界面；⑥具有不同專長的工作組在系統(tǒng)評價制作的不同部分發(fā)揮作用，需加強小組間的合作；⑦每一項自動化技術(shù)都應(yīng)該共享，最好免費提供代碼、評估數(shù)據(jù)和語料；⑧所有自動化技術(shù)和工具都應(yīng)使用可靠、可復(fù)制的方法進行評估，并報告評估結(jié)果和數(shù)據(jù)[47]。指南制訂的限速環(huán)節(jié)主要是系統(tǒng)評價的制作，推動自動化、智能化工具和平臺應(yīng)用于系統(tǒng)評價是當(dāng)前指南制訂最重要和需優(yōu)先的領(lǐng)域[21]。當(dāng)前已有案例報告表明使用自動化、智能化工具2周完成系統(tǒng)評價[38]，但仍需開展更多的實證研究。

4 小結(jié)

目前，指南制訂的自動化、智能化工具和平臺已有較多的研究和成果應(yīng)用。但在實際應(yīng)用中仍然存在許多障礙。在信息化技術(shù)高速發(fā)展的今天，人工智能與循證醫(yī)學(xué)的結(jié)合應(yīng)用是必然的趨勢。隨著指南制訂、發(fā)布和更新過程中越來越多地使用自動化、智能化工具和平臺，研究者未來可更高效、便捷地制訂指南，對推動循證證據(jù)和推薦意見的實時更新及促進科學(xué)臨床決策有重要意義。