同方知网临床诊疗决策支持系统

同方知网临床诊疗决策支持系统(简称”CDSS”)

基于《临床诊疗知识库》的临床诊疗决策支持系统（简称“CNKI CDSS”）能够整合医院电子病历、HIS、LIS、PACS等系统的患者信息与医嘱信息，提供疑似疾病推导功能，并为疾病给出推荐检查、诊断标准以及推荐治疗；同时系统可针对药品、检查、检验等医嘱给出禁忌症、适应症、相互作用等的临床诊疗预警与提示，打造遵循循证医学的临床辅助决策支持系统，支撑合理检查、合理用药、规范化治疗，帮助医护人员在诊前、诊中、诊后提升诊断准确率，降低误诊漏诊的情况。

1.1系统特点

1.1.1面向医疗服务能力指南，提升医疗服务效能

根据医院学科发展及临床能力提升要求，以临床知识库为基础，结合《三级综合医院医疗服务能力指南（2016年版）》疑难病医疗服务要求，重点加强疾病诊断、鉴别诊断、治疗、诊疗指南知识建设，遵循医院疾病、药品、检验、诊疗操作等数据字典，以最新指南、临床专著、药品说明书为知识来源，帮助医护人员在诊疗过程中获取相关知识，辅助临床决策，提升医疗服务效能。

1.1.2面向质量控制，促进医疗管理水平提高

中华人民共和国国家卫生和计划生育委员会令第10号令《医疗质量管理办法》中明确，医疗质量管理是医疗管理的核心，各级各类医疗机构是医疗质量管理的第一责任主体，应当全面加强医疗质量管理，持续改进医疗质量，保障医疗安全。医疗机构及其医务人员应当遵循临床诊疗指南、临床技术操作规范、行业标准等有关要求开展诊疗工作，严格遵守医疗质量安全核心制度，做到合理检查、合理用药、合理治疗。

结合三级医院《高风险诊疗技术规范》、《高危药品管理制度》清单目录，通过建设规则库、规则预警系统，覆盖医院除康复、体检临床科室外的所有科室，设置四种风险警示提示模式，在电子病历系统应用时，以医嘱为核心，通过信息化手段，进行风险管理，辅助加强监控。

1.1.3面向电子病历分级要求，满足诊疗知识与决策支持需要

以2018版《电子病历系统应用水平分级评价标准》功能细则为基准，在病房医师、病房护士、门诊医师三种角色和检查科室、检验处理、治疗信息处理、医疗保障和信息利用评分中，结合集成应用，满足知识支撑及临床辅助决策相关要求，实现知识查询、知识提示、知识链接、方案建议、提示预警等核心的临床知识应用及辅助决策功能。

1.2系统流程

1.3系统优势

（1）覆盖诊疗全程的临床诊疗知识体系，完整、权威、符合国内政策要求

以临床需求为导向，落实国卫办医函〔2018〕894号《关于印发进一步改善医疗服务行动计划（2018—2020年）考核指标的通知》及国卫办医发〔2018〕20号《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》要求，遵循医院疾病、药品、检验、诊疗操作等数据字典，同时以公开发表且经过同行评议的权威知识信息为来源，将临床诊疗指南（含多发病英文指南）、技术规范、用药指南、最新权威专著等权威临床诊疗知识嵌入信息系统，知识体系包含疾病、药品、检查检验、临床路径、操作规范、护理、病例文献、临床相关文献、循证文献，提高临床诊疗规范化水平。

目前CNKI CDSS基础诊疗知识库已有近200家用户，知识权威性、实用性已得到用户实际应用检验。CNKI CDSS与医院信息系统进行整合应用案例，包括重庆涪陵医院、四川省卫计委、萍乡市人民医院、萍乡市妇幼保健院等。

（2）CNKI知识、技术、人员储备，支撑诊疗知识动态更新

同方知网利用持续积累的自然语义理解、数据挖掘、知识图谱、机器学习等技术，通过组织、挖掘、加工、标引、关联，形成以疾病为核心的覆盖诊疗全程的知识库体系。尤其是同方知网充分利用自身丰富全面的学科语料、成熟的词典（含术语词表）、完整细致的语义关系分类体系基础之上，全切分切词算法、语义自动构建等技术已达到国内外领先水平，同时融合了800万概念关系词典、MCI医学主题词表以及医学知识图谱，这都为CDSS实用性提供了坚实的基础。

同方知网山西数字出版基地近500名加工人员做知识服务支撑，CNKI CDSS还具备包含临床从业经验丰富的项目经理、医学博士、医学图情专家顾问等的专家团队，实时跟进知识最新进展，保证临床诊疗知识的及时动态更新。

（3）开放的CDSS平台架构，可整合多来源临床诊疗知识

除了全面、规范、动态的医学知识库作为基础，CNKI CDSS提供了开放的架构，可融合医院原始的或经过后结构化处理的患者医疗信息或其他临床诊疗知识作为补充，同时可支持建立符合医院实际需要的辅助诊疗规则库，有利于医院建立基于真实医疗数据和海量循证资料的具备自身优势的CDSS。

（4）具备实用价值的疾病推导功能，推展临床决策思维

疾病推导功能是辅助医生拓展临床思维的非常重要的临床诊疗决策应用。知网目前基于33万多篇的单病例文献的疾病推导功能，其技术基础是疾病的主要主题词标引和病例全文碎片化（结构化、知识元抽取…），目前这个技术在国内外处于领先地位。尤其是针对罕见疑难病历、常见病的不常见特征等，如果仅基于医院自己的病历信息进行分析，将很难得到准确的信息，知网融合病历文献的疾病推导正好解决了这个难题。