嘉和美康携手BMJ，开启新一代CDSS变革之路

近日，动脉网（公众号：vcbeat）了解到，在上海举行的第五届中美医疗信息化发展高峰论坛暨2018HIMSS大中华区年会上，一则由资深医院信息化解决方案提供者、医疗人工智能领跑者嘉和美康携手全球顶级医疗出版集团BMJ，就临床决策支持领域展开全面合作的消息不胫而走。

据悉，此次合作，双方将发挥各自优势，以“循证医学知识库+优质病历机器学习”的全新模式，打破以往仅基于文献、临床指南等局限、低等级证据链的临床决策支持方式，以更加客观、精准和更具针对性及决策意义的推荐结果，为临床医生在诊疗过程中提供切实有效的帮助。

> > > >

BMJ Best Practice 临床实践（简称BP）——一流医学证据辅助诊疗决策

BMJ（全名为BMJ出版集团，简称BMJ），成立于1840年，隶属于英国医学会，是国际领先的医疗知识出版机构，其旗舰刊The BMJ（《英国医学杂志》）是享誉全球的四大综合医学期刊之一。BMJ旗下有期刊出版、临床决策支持、医学教育、医疗质量与安全等业务领域，用户遍及160多个国家和地区。

BMJ是循证医学的倡导和促进者。在过去20多年的时间里，除了发表循证医学文献、出版循证医学专业期刊，更是通过建立循证医学证据中心，出版了数个全球知名的循证医学临床知识工具，例如BMJ Clinical Evidence和BMJ Best Practice。这些 工具 都基于循证医学方法以及高级别医学证据（如：系统评价、Meta分析、国际指南等），提供权威诊疗知识，可用于直接辅助临床决策。

作为循证医学证据链顶端知识的浓缩和精华， BMJ BP具有覆盖面广、更新及时、检索便捷、全面本地化、高度结构化等特点，对于促进临床诊疗决策的科学化、提高临床医生业务素养和知识水平，增强疾病诊治的科学性、安全性、有效性、适用性及经济性等，都具有重要意义。

内容权威，更新及时

BMJ通过对全球5000多个可信数据源的实时监测，收集最新临床证据并进行评级，而后交由1,600多位独立专家进行梳理和撰写，经同行评审及专业编辑后发表。并以同样的流程保持内容更新，更新频率达每年1200多批次，以确保其内容权威可信。

覆盖面广，分类合理

BMJ BP涵盖32个不同学科，涉及80%以上已知常见疾病，是目前国内已知最全面的、中英文版本皆有的循证医学诊疗知识数据库；同时，其内容按疾病和症状专题形式呈现，并高度标准化、结构化、完整覆盖诊疗流程，使其在临床决策过程中具有非常高的响应速度和服务效率。

检索便捷，一目了然

BMJ BP支持不同类型的知识检索，包括：关键词检索、按专科/疾病浏览，以及多症状检索等。同时，检索结果附有相应的主要文献链接（含7,000多篇国际临床指南、100,000篇高级别文献），其正文当中即注有当下内容的关键证据源，方便临床医生回溯最新证据、更新知识或探索科研方向。

> > > >

嘉和美康AI——对优质病历的机器学习

除循证医学知识库外，对CDSS而言，另一项不可或缺的功能就是对优质历史病历的机器学习，其过程包括：

首先，利用自然语言处理技术，将优质历史病历中的自由文本信息进行后结构化处理，形成计算机可读的、极细颗粒度语义信息；

其次，对后结构化的病历信息进行特征处理，包括：特征清洗、特征转换、特征归一等，形成机器学习的数据集；

第三，通过随机森林、前馈神经网络、XGBoost等算法来训练模型，并对算法进行投票法、加权平均等调度；

最后，对模型进行系统部署并收集反馈，进而不断优化模型，最终形成服务于临床场景的辅助诊疗决策支持模型。

在该模型中，不同的疾病以及症状等实体之间的结构和关系以不同权重来呈现。当CDSS获取到某个患者的病史信息后，其数据即会与优质历史病历中的特征值进行匹配，并做出不同的权重分配，最终得出概率分布由大到小的推荐诊断、鉴别诊断列表，帮助医生有效缩短临床确诊时间、提升确诊效率。

同时，通过机器学习从优质历史病历中提取出的真实病例治疗原则，也将作为疾病治疗主干，结合患者当前病情给出个性化诊疗方案推荐，更具针对性和实际意义。此外，为进一步提高医疗质量、避免临床失误，系统还会依据患者病情发展、检验检查结果、临床用药以及诊断情况，智能化判断当前医疗措施的合理性，对不符合诊疗规则的处置做出实时预警提醒。实现了在诊疗过程中对临床医生全方位、全流程的决策辅助。

> > > >

共创双赢，开启行业变革

循证医学知识库是临床决策过程中的基础数据支撑，它提供了包含诊断、用药、检查/检验及随访等一系列标准治疗原则，是控制基本诊疗方向的航标。与此同时，疾病的复杂性和个体特异性，又要求我们在掌握大方向的同时，能针对具体病例做出精准分析和优先级判断，而不是简单套用临床指南，不加区分的给出所谓“标准答案”，从而失去CDSS最重要的“决策”功能。

针对此，嘉和美康创新性地将自身对历史病历的机器学习优势与BMJ的一流循证医学知识库强强联合，以最佳医学证据为基本诊疗逻辑支撑，以优质病历机器学习模型为个性化推荐保障，完美实现了临床决策支持的权威性、精准性，以及面对不同患者的个性化、差异化辅助目标，彻底解决了以往CDSS知识库内容陈旧、未经验证，以及诊疗推荐结果单一、无权重体现的弊端，开启了一代全新CDSS的变革之路。