人工智能决策系统CDSS其本质是计算机根据已知的医学知识自动推理、决策。其核心在于决策系统，包括三个关键模块。
我们在《知识中台框架下的临床决策支持知识库构建方法（上）》已介绍CDSS知识库构建和应用问题，以及在知识中台框架下构建CDSS知识库（静态医学知识管理系统）。
02
在知识中台框架下构建CDSS知识库
人工智能决策系统CDSS
其本质是计算机根据已知的医学知识自动推理、决策。其核心在于决策系统，包括三个关键模块。
1.医学规则库
医学规则库是通过大量医学文献的抽象、分析和拆解,结合实际临床经验，生成的医学规则集合。用于支撑CDSS的医学规则涉及不同专科、不同病种、不同诊疗过程，且数量庞大，一般由不同专业的人员根据不同领域的医学知识进行生产，为了确保这些医学规则可以应用在各个医学领域的CDSS中，需要建立标准的医学规则生产流程和约束规范。医学规则的标准生产步骤包括：
搜集医学知识条目，梳理医院的实际临床诊疗路径；
定位临床诊疗过程中的决策点，生成医学规则内容；
生成规则触发场景，规则校验/测试，规则打包。
在医学规则内容和规则触发场景的生成过程中，需要遵循标准规范。例如规则中涉及到的医学术语按何种标准来描述，哪些知识需要强提醒，哪些需要弱提醒，如何及时地更新迭代，哪些知识的权重更高等。
2.AI模型库
在医院实际患者数据基础上，利用监督式机器学习，训练出符合医院实际临床操作模式的模型，在应用到实际诊疗过程中，对特定疾病或者不良事件发生风险进行预测，实现自动监控和预警。在实际应用中，可以通过AI模型评估某个特定诊疗环节的风险，作为风险量表的补充或替代。大量经过训练的AI模型积累形成AI模型库。
AI模型需要有建设标准和规范才能真正发挥其作用，一个AI风险预警模型的标准生产步骤主要需要经过以下环节：建模数据集构建，机器学习实验，模拟样本构建，上线效果模拟和模型发布。
3.决策引擎
如果CDSS是汽车，知识库就是油箱，医学知识是汽油，不同类型的医学知识就像是不同型号的汽油，而决策引擎就是发动机。为了确保CDSS运行的实时性、高并发和稳定性，需要保证决策引擎的设计与知识库设计标准的一致性。
标准医学术语映射系统
为确保知识中台的横向扩展能力，要建设标准医学术语映射系统作为底层标准能力支撑，否则会出现计算机推理准确性差、推荐内容不精确等问题。
构建标准医学术语映射系统，首先需要构建标准医学术语体系。医学术语体系由医学概念实体、概念关联和语义关联3个部分构成。根据应用场景选择基础术语库，并以“概念”为基本单元进行关系的拓展，从简单的分类和上下级关系扩展到更复杂的具有医学推断成分的关系。主流的医学术语库包括SNOMED-CT、MedDRA、MeSH、RadLex、ICD等。
在建立了标准术语体系后，搭建自动术语映射系统。此系统主要涉及到医学术语的语义核心和概念变体。一个概念中恒定不变的，区别其他概念的本质属性，称为语义核心。概念在语义核心外的其他属性随着交际沟通的需求而变化，产生概念变体，即同一语义含义的不同表达形式，同义词是概念变体的典型形式。自动医学术语标准化映射就是将不同的概念变体映射到语义核心的过程，为了达成这一过程，需要积累大量的概念变体。
知识服务管理系统
03
临床决策支持应用的快速构建
知识中台可以支撑专科专病临床决策支持应用的快速构建，以房颤为例，一般有以下步骤：
①根据医院特色梳理其临床决策流程，找到符合实际情况的价值决策点，确定知识需求：需要什么医学知识、哪里需要医学规则、哪里需要AI模型等。例如抗凝治疗评估，需要CHA2DS2-VASc评分、HAS-BLED评分、卒中风险预测模型等。
②收集决策点所需的医学知识。
③在静态医学知识管理系统进行医学知识梳理和录入，形成专属的静态医学知识。
④在决策系统进行医学知识拆解和分析，形成医学规则和AI模型，并将其组成决策流。
⑤在标准医学术语映射系统新增所需的标准术语，收集并新增概念变体。例如，标准术语为抗血栓形成药，概念变体为抗凝药。
⑥决策全流程测试。
⑦专科专病CDSS决策流发布，CDSS应用从知识服务系统接入相应的决策服务。
结语
知识中台解决了医学知识标准和CDSS系统标准的链接问题，通过技术和规范确保双方标准的一致性，在此框架下构建的知识库可以支持医院自行完成知识库的修正和完善，并且让这部分知识通过开放服务直接被CDSS系统使用，支持专科专病CDSS的快速横向扩展，充分发挥CDSS在临床上的价值。
不感兴趣
看过了
取消
人点赞
人收藏
打赏
我有话说
0/500
同步到新浪微博
进群即领
扫码加入
扫码进群
您的申请提交成功
意见反馈
下载APP
健康界APP
了解更多
返回顶部
您已认证成功，可享专属会员优惠，买1年送3个月！开通会员，资料、课程、直播、报告等海量内容免费看！