惠每科技CEO张奇：临床决策支持系统如何为临床质量增益？

“临床大数据在经过后结构化等AI技术处理后，才能形成真正具有应用价值的标准化信息。”惠每科技CEO张奇向雷锋网介绍到。

惠每科技拥有着深厚的自然语言处理与深度学习等AI技术储备，其核心产品——临床决策支持系统（CDSS）和单病种过程质量管理系统，在为临床诊疗提供符合循证医学证据的决策支持的同时，通过持续改进临床过程质量进而影响结果质量，这便是张奇和团队用了近四年时间打造的以提高临床质量为核心的医疗人工智能解决方案——Dr. Mayson。

张奇曾在阿里巴巴工作5年，负责电商个性化推荐，根据消费者的行为数据，构建符合消费者偏好的推荐系统。他认为，个性化推荐与医疗决策支持有互通之处，即以用户需求为核心。

“医疗是一个比较传统又与性命攸关的行业。相比普通消费者用户，在数据处理、算法模型训练、应用场景上必须深挖临床需求，以提升临床质量为目的。我们希望利用技术手段给行业带来更多增益的新东西。”张奇说道。

目前，惠每科技的CDSS已经应用于国内60余家大型公立医院和数百家基层医疗机构，并助力6家医院通过国家电子病历应用水平分级评价六/五级，5家医院通过互联互通5级乙等评审，而这个数字还在随着国家电子病历应用标准普及不断增加。

基于病历数据的知识库构建过程

作为规范临床诊疗行为、提升医疗质量的手段，CDSS自诞生以来就被临床寄予厚望。从早年的专家知识库驱动的CDSS，到今天AI驱动的CDSS，技术的发展、数据的积累等都在推动CDSS不断向前。

知识库是CDSS的重要组成部分，惠每科技在知识规则的构建上投入了大量的研发精力和成本。

一方面，惠每科技在公司内部，搭建了一个30人左右的医疗团队，医务人员主要负责两部分工作：一是对病历数据进行数据标注、处理，对指南进行拆解，保证临床规则的准确性。

二是跟踪新的疾病研究进展。

知识库需要被不断“训练”。医务人员平时需要跟踪各类疾病的发展状况，一旦有新的病种研究出来，他们需要解读疾病新的治疗措施，及时更新知识图谱并将其更新到合作医院系统。

另一方面，惠每科技和知名三甲医院专家合作，制定符合临床实际情况的诊疗路径，支持医生对一定专科路径的定制和个性化。

运用NLP、深度学习等AI技术抽取国内指南、文献、教材等包含的临床逻辑，惠每形成包含3000多个病种、2万多种疾病与症状关系、3万多种药品说明、55万多对药物冲突等的医学知识图谱，并推出临床决策支持系统，可以在医院门诊、急诊、住院环节实时辅助医护人员优化诊疗方案。据国内核心期刊公开发表的数据显示，其CDSS在特定数据集上的诊断准确率为93.6%，NLP最佳识别精确率为91.8%，

临床决策支持：从需求出发强调规范临床的价值

国内医疗机构应用CDSS的原因大致有三方面：一是提升医疗服务质量；二是国家对基层医疗发展的政策推动；三是医疗机构的信息化评级要求（电子病历分级评价、互联互通标准成熟度）。

自分级诊疗政策推进以来，外界对基层医疗服务要求越来越高，但基层医疗能力不足又是一个客观事实；在公立三甲医院，虽然专科医生水平毋庸置疑，但优质医生资源却是供不应求，治疗过程难免存在不规范问题。尤其在基层医院，惠每CDSS全科版囊括2000余种常见疾病的鉴别诊断，通过详细的症状提示，帮助基层医生快速鉴别急危重症及跨专科疾病，提高诊断水平，降低漏诊、误诊机率。

同时，根据基层医疗特点，系统实现慢病从评估、用药、随访的全程管理智能化，满足基层医生日常诊疗及健康管理需求。

在住院场景下，系统依据循证医学证据和数据分析，在病房的临床应用中为医生、护士、医技人员、科室管理者提供多维度智能决策支持。

门诊/急诊场景，系统如同“医生助手”，在诊疗过程中，实时分析患者临床表现及检验检查结果，智能判断患者疑似疾病，推荐评估表并自动计算分值及结果，制定治疗方案。所有操作结果（文本）都可以自动回写至病历中，减少医生书写，提高门急诊效率。

除了产品的准确性和辅助性，张奇强调了惠每CDSS规范临床的价值。

“发现医生不规范的过程耗费大量人力，传统的做法是事后抽查，有滞后性，要找出所有病历的逻辑错误，这是现在的信息化系统或者其他管理方式解决不了的。但如果AI监控后台数据，是可以自动找出问题。”

目前，惠每科技和国内超过60家综合医院开展了合作。

打磨数据，应用细分场景

传统CDSS，只能基于既有的固化知识做出指导和评估，无法针对个体进行更加深入和准确的挖掘分析，在决策支持的可靠性和精准度方面都有所欠缺。人工智能技术的催化，使CDSS的功能有了更大的想象空间。

2018年《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》将电子病例信息化推向了一个新的高度，CDSS日益成为医疗机构追求更高医疗质量和提高核心竞争力的重要驱力。

18年之前CDSS领域玩家并不多，随着政策的推动，不少公司开始转型做CDSS。很多传统的医疗信息化厂商也都开始做CDSS产品。

张奇向雷锋网介绍，“我觉得现在应该是最好的一个时间窗口了，医院普遍比较欢迎这样的创新型产品。国家政策在很大幅度的推动这个行业的发展，但评级目的并不仅仅是为了‘评级’，而是希望设立一个高标准、好方向，让医院借助信息化给患者创造更安全、规范、高质高效的就医环境。基于医疗大数据帮助医生更好的诊疗，这个方向是大家都能够普遍接受的，所以CDSS自然是一个非常有力的工具去帮助医院达到这个目标。”

惠每CDSS临床应用场景

据雷锋网(公众号：雷锋网)了解，临床决策支持系统通常利用自然语言处理技术对医院多源异构数据进行结构化处理、语义理解、映射术语标准，深度学习算法模型根据标准诊疗路径，判断医生决策的合规、合理、准确性，在此基础上帮助实现智能鉴别诊断、风险预测、治疗方案推荐、单病种质控等，医疗AI系统通过提醒功能引导规范诊疗行为。

CDSS赛道玩家众多，训练算法的技术核心都相差不多。但就像“世上没有两片完全相同的叶子”，惠每科技的特点和自信来源于两点。

“我觉得专注是做好一个产品的重要特质。我们是极少数四年如一日只做CDSS的，在研发和训练上投入的精力更多，积累会更多一点。第二个优势，我们有Mayo Clinic (梅奥)知识库的使用权，在这个基础上面，我们研发产品会更快一点，起步也相对比较高。”张奇说。

CDSS作为一个广义的概念，在应用场景、辅助对象、怎样辅助等领域均有细分。

例如按辅助对象就可划分服务医生、护士、医技、医务科主任、临床主任等。在服务医生类别中，又包括医生开医嘱时候使用、写病历文档时候使用或者在手术前后去使用。在不同场景的不同环节中，CDSS的产品形式也不同。

张奇表示，惠每CDSS满足不同用户的不同场景需求，现已开发辅助医护技进行诊断治疗决策的专科CDSS、围手术期CDSS、全科CDSS，以及辅助科室进行医疗质量管理的单病种过程质量管理系统、患者全景数据管理平台等，形成医院质量的全过程化、实时化闭环管理。

回顾惠每科技四年来产品的打磨历程，张奇表示，CDSS注重的是应用积累。

“老实说技术方面大家不会有太多差异，但随着落地的客户越多越深入，获得临床的反馈会越多，应用效果亦如滚雪球般，会越来越好，得到的模型会越来越准确。”

。