来源:HIT专家网 作者:谭啸
“CDSS就像是医生的大脑,但如果不能提供准确的数据支撑,‘大脑’就不能很好地发挥作用。”8月5日,在由HIT专家网主办、惠每科技协办的“从辅助诊疗到质控管理的智慧进阶——新一代CDSS建设在线研讨会”上,江苏省人民医院信息处处长王忠民分享了该院在数据治理方面的经验,其演讲题目为《以数据为知识资产的院内信息生态建设》。
重视数据质量,大型医院需要开展数据治理
王忠民处长简要介绍了该院数据中心建设情况,集成平台已连接一百多个业务系统。业务系统产生的数据通过数据交互平台进入数据中心,目前已建有临床数据中心、运营数据中心、科研数据中心、影像数据中心和生物标本中心。
数据已成为医院的核心资产,但医疗健康数据的创新手段不足。王忠民谈道,在数据治理和应用中碰到了一些业务挑战,比如:数据以业务功能维度分散在各业务系统中,需要重构患者维度的新型诊疗数据模型;90%以上为非结构化数据,解析难度大;数据利用率不高;院外数据获取困难;标准化不足;数据共享效率低;核心数据不能出院,跨院区的科研科合作开展难。
面对这些挑战,医院到底需要一套什么样的数据治理体系呢?王忠民认为,至少应包括三个方面:一是在平台方面,实现全流程平台化,包括数据服务、数据质量、数据模型、数据标准;二是在保障措施方面,配套相应的组织架构、责权方案,建立考核机制、管控办法等制度,以约束和协调各部门在数据治理中的角色和要求;第三,除了平台工具、保障措施之外,还必须有项目管理和技术的支撑。
“数据治理不单是一个方法,也不是一个功能、一个工具,而是一整套体系。”王忠民总结说,数据治理要以数据为中心,以组织为单位,以数据质量为抓手。
王忠民表示,数据质量也是国家电子病历评审的重要内容,通过数据质量来评估电子病历的信息质量,主要考察4个方面:(1)数据标准化,项目中数据记录与字典的一致性;(2)数据完整性,数据项内容的完整情况;(3)数据整合性,相关系统对应数据项目可对照或关联;(4)数据及时性,时间相关项的完整性、逻辑合理性(流程时间分布)。
为提高数据质量,医院多学科、多部门之间要形成数据质量治理机制,包括:数据质量问题发现、问题分析、问题解决和验证、数据质量评估分析等。
数据驱动医院信息系统建设
“在CDSS(临床决策支持系统)建设过程中,我们发现了一些问题,这些问题往往与CDSS本身没关系,很多是原始数据的问题。如果原始数据有问题,就很难让CDSS发挥很好的效果。二者是互相促进的。”王忠民表示。
据介绍,目前CDSS通常由三部分组成:一是知识库,包括:医学书籍、医生知识、经验、规则、操作等;二是推理机,相当于医生的大脑,具有推理、判断的功能;三是人机接口,一般是一体化的电子病历。
CDSS是知识库驱动的,知识库可以分为:知识型知识库和非知识型知识库。前者包括:基础医学知识、临床指南、循证医学证据、真实世界数据、医学辞典等海量信息。后者是指,从历史的临床信息中挖掘有效的知识,并进行存储利用。知识库要实现灵活调用,将临床诊疗规则嵌入到信息系统,供不同的应用系统进行灵活调用。
据王忠民介绍,CDSS知识库由四大部分构成:(1)应用知识库,包括鉴别诊断、智能推荐、病种质控、合理性规则等;(2)对照知识库,包括医院字典、惠每字典;(3)基础知识库,包括疾病、检查、检验、文献等;(4)标准知识库,如SNOMED-CT、ICD-10/11等。
王忠民还谈到了医学知识库的“本地化”和“内化”。“本地化”,是指CDSS基础数据库与医院字典进行映射对照。“内化”需要临床科室的参与,CDSS上线后,医院通过自主维护诊疗知识库,实现隐性知识显性化、个体知识组织化,将临床专家的知识和经验真正沉淀,变成可复制的知识产权。这样可以为今后的知识共享与知识扩散奠定基础,发挥知识服务效用,供院内外使用,充分实现知识价值最大化;能提高CDSS知识库的知识完整性与覆盖率,充分发挥其临床价值与科研价值。
“医学术语集需要不断完善,CDSS的推广过程是很长的,需要临床医生花费大量时间进行标注和维护,要从某些有积极性的专科开始突破,不能把面铺得太广。”王忠民如此强调,关于如何共建自适应知识库,包括如下几方面:
一是知识内容编辑。临床医生根据自身科室的诊疗特点和需要,进行知识内容维护。按照知识维护编辑规则,将文献、疾病详情等权威资料按定义、临床表现、检查等细项内容进行拆分。通过知识内容维护,将临床不断产生的新知识融入CDSS知识库,提高其知识覆盖率。
二是知识规则编辑。临床医生对检查合理性、手术合理性等知识规则进行编辑,扩充CDSS知识规则库。
三是构建诊疗决策树。依据知识规则,构建以患者疾病为中心的诊疗决策树,应用于临床诊疗决策。比如:CDSS依据后台运算规则,对“胸痛、心梗”患者推荐检查项目。
四是需结合人工标注长期维护。知识库内容需结合医学专家人工标注的长期维护,方式不断迭代、验证,以提高模型准确性,增强辅助决策效能。
“数据驱动深化电子病历应用,以患者服务为中心,以临床安全为核心,快速响应、探索、挖掘、引领电子病历新需求。”王忠民表示,在数据的驱动下,可以实现如下几方面的深化应用:(1)优化提升,实现信息高效利用和业务驱动,改善临床业务信息体验;(2)科研临床一体化,以专病为导向连接业务流程与临床知识;(3)建立全院统一的知识库,将知识库沉淀到信息知识引擎中;(4)对标电子病历标准,加强患者安全、信息安全;(5)提高数据质量,以评级为抓手,持续改进数据治理。
务实提升CDSS应用效果
关于CDSS的应用效果,王忠民谈到了两个方面:一是智能诊疗,如:用血安全提示、手术风险提示;二是智能质控,如:CDSS智能病历质控,通过自然语言处理智能解析病历信息,进行全方位、自动校验,提高了病案首页数据的完整性和准确性,也解决了以往内涵质控受限于质控人员结构与专业背景、效率低、准确性差等问题。
王忠民具体介绍了智能VTE(静脉栓塞)评估这一应用场景,CDSS可在6个关键环节上评估,进行适当预防:一是入院24小时完成VTE初始评估,系统自动判断内外科,提示Caprini评分和Padua评分;二是VTE风险动态评估情况,中高风险患者每周提醒医生进行1-2次评分;三是出血风险评估;四是术后24小时评估情况,提醒医生进行Caprini评分;五是VTE中高危患者实施VTE预防措施情况;六是出院评估情况。
如何通过数据治理提升CDSS应用效果?王忠民提出了四个建议:
一是要构建大数据治理平台,进一步夯实临床决策支持基础。数据治理平台需要满足如下要求:(1)基于数据模型管理,可以灵活扩展,支撑业务变化,保证业务数据高质量、标准化;(2)对接多种数据源,支持现有主流的大数据技术平台的对接;(3)支持多种数据获取方式,数据获取方式灵活多样,可支持配置化数据订阅管理;(4)提供数据监控预警机制,支持多种数据预警机制,随时发现数据任务执行过程中所遇到的问题。
二是加强医疗数据方面的多方合作。如同现在临床的MDT(多学科联合诊治)模式,在推进CDSS的道路上,医院信息部门提供技术支持,还需要医务、质控、临床等部门主抓,要从感兴趣的临床专科开始突破,这样能事半功倍。
三是加深知识资产建设,由点及面。数据标注工作不是技术问题,而是医学知识问题,需要得到临床专科的支持,医生需要花大量时间进行标注。要联合临床专科,进行知识资产建设。
四是进行多方(高校、医院、厂商)整合,共建医学信息化生态。
【责任编辑:谭啸】
评论前必须登录!
注册