【弓孟春专栏】从《协和内科住院医师手册》看临床决策支持系统的应用场景

来源：HIT专家网   作者：弓孟春

从麻省总院的《Pocket Medicine》到UCSF（全美排名前五的医学院）的《Hospitalist Handbook》，全球各地的顶级教学医院中流传着年轻（特别是内科）住院医师们必备的生存法宝。而对于协和医院内科的住院医师们来说，白大衣的口袋里最常见的是两样东西：用于记录患者病情的小笔记本和他们自己的生存法宝：《协和内科住院医师手册》。这本手册自李剑（血液病学专家）、吴东（消化病学专家）等编写出首版以来，畅销不衰，成为了中国许多教学医院住院医师的口袋必备。笔者有幸于2014年在赵久良、冯云路两位主编的指导下参与最新一版手册的编写，负责撰写其中水电解质及肾脏病学部分，当时的废寝忘食、通宵达旦仍历历在目。文字增删的首要宗旨：要为低年资住院医师提供处理常见及突发临床情况的基本知识框架和可遵循的操作规程，后者是重中之重。

而如今我换一个角度审视自己当年写下的文字，内心油然而生的是另一种豪情：如果我能把这些知识全部都内化为临床信息系统的规则库，并推广到更多的医院，那就可以让协和内科依靠言传身教代代传承的这些基本临床规范造福更多的国人，在系统水平提升医疗服务的质量。

进入HIT领域后，第一个引起我浓厚兴趣的技术就是临床决策支持系统（CDSS）。无独有偶，协和医院的前CIO、中国HIT界的老前辈李包罗老师，正是在中国研究、设计及践行CDSS的专家。在逐渐了解了数据库、集成平台技术、规则引擎、消息引擎、商务智能等技术后，我对于CDSS的技术框架有了深入地了解。看着先兆子痫、脓毒血症、急性肾损伤、Cr检验结果控制低分子肝素剂量、糖尿病患者血脂控制指南等等规则在我自己的手里构建并测试成功时，那种兴奋感完全赶得上手里的患者治愈出院！ 因为我知道，这样的规则部署到系统内，就好比在医院里安置了永不休息的巡查员，能够大量地减少医疗差错，降低医疗风险，并进而让患者受益，这与当年写手册时的初衷如出一辙。

借着这个思路，我决定从一个特殊的视角来阐述临床决策支持系统的应用场景，那就是从《协和内科住院医师手册》的水电解质及肾脏病章节中所涉及的临床情况来进行分析。这样的分析有助于HIT界对于临床需求有更直观的认识和理解，结合技术的优势，创造出临床应用价值更高、医生接受程度更好的CDSS。分析过程中，我也将对目前的循证医学证据做一定的回顾，并结合技术的实现路径进行阐述。这也有助于临床工作者以其所熟悉的循证医学的分析思路来看待CDSS，从而获得临床方面对技术的支持。

1、急性肾损伤

急性肾损伤（Acute Kidney Injury, AKI）是住院患者常见的并发症之一，不仅导致患者住院死亡风险的升高，也会导致长期肾脏不良预后的风险增加。AKI可以由灌注不足、药物毒副作用、造影剂损伤、肾后性梗阻、肾脏本身疾病加重等多种原因引起，而其中有一大部分可能是医源性的因素。AKI的一个重要临床特点是及时纠正诱发因素可以明显改善预后，因此，对住院患者AKI的监测和及时干预成为近年来肾脏病学界大力推广的理念。

然而，AKI的诊断缺乏早期的生化指标预警系统，诊断AKI依赖对住院患者血清肌酐水平及尿量的严密监测，对负责患者日常诊疗的住院医师和病房主治医师提出了很高的要求。但如何在肾内科的指导下设立完善的用于监测AKI的CDSS，则可能实现对AKI的早期预防、及时诊断及迅速干预。

• 早期预防

对于常见的肾损伤明显的药物或可能导致AKI的临床情况，使用时给予临床医师相应的警报提示。此类药物包括：万古霉素、两性霉素B、氨基糖苷类药物、环孢菌素等等。此类临床情况包括：大量失血、横纹肌溶解、溶瘤综合征等等。医院应制定此类药物使用过程中AKI监测的标准操作流程，借助CDSS在医嘱开立时推送警报、在用药过程中定期推送肌酐检查的提示及医嘱链接、在肌酐出现明显波动时及时提示医师终止使用相关药物。

从技术角度而言，这一过程要求CDSS与CPOE功能组件之间的深度整合。

• 及时诊断

AKI的诊断依赖对肌酐或尿量随时间的变化速度来进行评价（24小时内升高2μmol/L）。普通病房内，血清肌酐重复检测的频率较低，一般一周进行一次，对于AKI的及时诊断更多依赖于基于患者既往临床情况、用药情况等来确定监测频率，以便于及时发现。而在重症病房内，肌酐和尿量的监测频率较高（前者平均12小时，后者平均1小时），可以借助CDSS判断数值变化，及时诊断AKI。

从技术角度而言，这要求CDSS对检验数据（来自LIS）、观察值数据（来自EMR）随时间的增量进行判断，需要借助于复杂的逻辑引擎实现。

• 迅速干预

对于CDSS进行的循证医学的研究显示，对医生提供进一步的行动计划，而不是单纯的提醒，可以实现CDSS对临床质量更进一步的提升[1]。AKI的特点在于处理方案与病因的对应关系相对简单，而如终止肾损伤药物、及时补充入量、监测重要的电解质变化（如血钾）以避免病情进一步恶化等操作步骤对于时效性要求极高。使用CDSS可以在关键的工作流节点对于临床流程产生干预，及时提示临床医生对AKI进行干预，并制定医院级别的标注化操作流程。

从技术角度而言，要求CDSS的规则检查及结果反馈能够嵌入到工作流设定中，并能与COPE、EMR、护士工作流程等进行整合。

2、慢性肾脏病

慢性肾脏病（Chronic Kidney Disease, CKD）在中国人群中患病率约在10%左右，是影响我国国民健康水平的重要疾病之一。CKD作为重要的慢性疾病，在长期的病程中，对心血管系统、内分泌系统、血液系统、骨骼、情绪等人体多个方面产生负面影响，需要在多个方面施加干预，以改善患者的长期预后。而关于慢性肾脏病的长期诊治，改善全球肾脏病预后组织（Kidney Disease: Improving Global Outcomes，KDIGO）及中华肾脏病学会发布了重要的临床指南，对CKD患者的随诊频率、常规随诊指标（血常规、生化、心脏超声、骨密度等）、重要临床及血液指标控制目标（血压、血红蛋白、低密度脂蛋白胆固醇、钙磷乘积等）以及用药均有明确的指导性意见。笔者既往曾长期为KDIGO义务翻译重要临床指南，以促进中国CKD诊治的标准化，提高整体的诊疗水平 。然而，这样的途径效率极低，且无法保证质量。这些指南中的证据级别较高的指导意见，均可依赖CDSS在系统水平进行监测和评价，从而对CKD这一慢性疾病的临床诊疗水平进行标准化。下面就血红蛋白及血脂对CKD临床诊疗中CDSS的应用场景进行阐述。

• 血红蛋白

对于CKD患者而言，由于肾小管合成促红细胞生成素（EPO）的能力下降、肠道慢性失血、铁代谢异常等等原因，贫血是常见的临床情况。而大量的研究显示，在CKD患者中使用EPO纠正HGB，最佳的目标是维持在100-110g/L之间{link}。然而，EPO的使用与HGB发生变化之间可能存在时间上的滞后，不同的患者对于EPO的反应不同。而随着CKD病程的进展，同一患者对EPO的反应也会出现变化。使用CDSS，可以借助预测模型，根据患者既往的EPO用量及用药后HGB的变化，采用人工智能的技术构建特殊患者对于EPO疗效的算法及参数，从而减少患者在使用EPO过程中出现的明显的HGB的波动。因为目前有大量的研究证据显示，这样明显的HGB波动与CKD患者心脑血管的不良预后显著相关{link}。

而在技术上而言，这一过程的实现需要CDSS与人工智能系统对接，并对所使用的预测模型中的算法和参数做迭代和修正。目前已有大量的研究及在欧美人群中经过验证的模型{link}。基于中国人群的模型目前尚未出现。

• 血脂

血脂（特别是低密度脂蛋白胆固醇，LDL-C）的控制对于降低CKD患者出现心血管疾病具有重要的意义。然而，鉴于这类患者中血脂变化的复杂性及严格饮食控制可能导致的营养不良，CKD合并高脂血症患者中对于降脂药物（主要是他汀类药物及依择麦布）的使用规则较为复杂，部分规则见下表。

 （内容来自：http://www.kdigo.org/clinical_practice_guidelines/Lipids/Lipids%20Mandarin%20Translation_KDIGO.pdf ）

使用CDSS，可以在整合HIS+EMR+LIS等数据的基础上，综合分析患者的用药指证，及时推送消息提醒。可以避免治疗不足或过度治疗，改善慢性肾脏病患者的远期预后。

3、造影剂肾病

造影剂肾病(Contrast induced nephropathy, CIN)是CDSS非常特殊的应用场景之一。引起CIN的主要原因是医源性造影剂使用，而这一般是由于冠脉造影及介入治疗、血管外科手术、CT肺动脉造影等各类对造影剂用量需求过大的操作。避免CIN最主要的方法是完善地评价风险，控制造影剂用量，并适时启动水化治疗。为此，肾脏病学界开发了完善的CIN风险计算模型（具体见下图）。

然而，这样繁复的计算目前需要医生手工来完成。造成的后果就是，在处理急性冠脉综合征这样危重患者的场景下，这样的计算往往来不及进行，而负责造影和介入操作的医生也无法得到及时的提醒。而对于CDSS而言，上述列表内的所有数据（除造影剂剂量外）均可以以元数据的形式输入，如果在造影或介入操作过程中，对造影剂用量进行监测（通过与造影剂注射设备进行对接），则有可能实现在风险阈值过高时及时发送警报，为介入操作的医生及其他医生推送基于风险评估的处理方案（如启动水化治疗、启动N-乙酰半胱氨酸治疗、避免肾毒性药物的应用或中止造影操作等）。

结语

我在协和的时候，除临床工作外最大的兴趣在于教学。我总是觉得，只要多教出一个好学生，他/她就可以帮助更多的人。连续四年，我都是排名第一的协和优秀教学住院医师。教学与HIT，都属于在系统水平为患者的福祉做风险。而基于大型教学医院的临床及管理经验开发适用于基层医院的临床决策支持系统，可以从一定程度上解决我国目前医疗资源分配不均及医学教育、住院医师培养等体系不完善的问题。在这个过程中，需要政府的大力扶持，更需要医学界与HIT界深入的合作，基于我国的人群特点、病种特点、诊治经验、临床规范等等，逐步构建一套临床认可、技术门槛低、成本可接受的适于大范围推广的临床决策支持系统。

与此同时，需要我国众多领军的医疗机构，如协和、华西、湘雅等临床积淀丰厚、资金及各方面资源雄厚的单位，发挥主导及示范的作用，并借助产业的力量将系统产品化、进行推广以及最终的实施。而作为一个横跨多学科、各领域的系统性工程，也需要对多个专业背景有深入了解的专业人士。从协和到InterSystems，我有幸在中国顶尖的临床机构及全球领先的技术提供商获得知识、工作经验及对产业的认知。我真诚地希望能够以我的医学知识，与更多的HIT专家精诚合作，最大程度地发挥技术的力量，为我们的人民治愈病痛，带去福音。

附注：

[1] Enabling Health Care Decisionmaking Through Clinical Decision Support and Knowledge Management. Duke Evidence-based Practice Center. AHRQ Publication No. 12-E001-EF April 2012

个人简介

弓孟春：医学博士，2011年毕业于北京协和医学院（临床医学八年制专业），在北京协和医院内科接受并完成内科住院医师培训,期间从事儿童肾脏病学研究，并赴加州大学旧金山分校（UCSF）任访问学者。

 

2015年初加入InterSystems任Physician Executive，负责市场拓展、产品设计规划、临床支持及用户培训等工作，构建InterSystems与医院及医护人员之间的良性互动及高效协作。

【责任编辑：石晨露】