■ 趙從樸 袁 達 朱溥玨 陳 政 周 炯 彭 華

臨床決策支持是基于臨床知識（臨床指南、循證醫(yī)學、藥品說明書、藥典標準）和患者基本信息及病情信息，運用計算機技術(shù)，為醫(yī)護人員在診療過程中提供警示提醒、臨床診療指南、患者數(shù)據(jù)視圖、臨床輔助診斷等決策[1]。臨床決策支持系統(tǒng)是醫(yī)療人工智能領(lǐng)域的重要研究方向之一，主要分為基于知識庫和基于機器學習或深度學習兩種形式，根據(jù)系統(tǒng)功能可分為判別診斷類、疾病預測類、流程支持類和信息檢索類[2]。近年來，專家學者從多種角度和不同臨床?？茖ξ覈R床決策支持領(lǐng)域進行了研究，涌現(xiàn)出大量成果，但對該領(lǐng)域的研究熱點較少做綜合量化分析。

1 資料與方法

1.1 資料來源

本研究選擇中國知網(wǎng)（CNKI）數(shù)據(jù)庫作為數(shù)據(jù)來源，通過“專業(yè)檢索”功能，設置檢索條件：SU=('決策支持'+'輔助決策')*('臨床'+'醫(yī)療')-('設備'+'器械')，檢索時間為2012年1月1日至2022年12月31日。共檢索到981篇文獻，人工剔除報紙等非研究型文獻、無作者信息以及明顯與主題不符的文獻后，得到950篇文獻。

1.2 研究方法

文獻計量分析工具CiteSpace，支持多種類型的文獻計量學研究，可對臨床決策支持領(lǐng)域的研究結(jié)構(gòu)、動態(tài)模式和趨勢進行可視化分析研究，使研究者能夠直觀的辨識出學科前沿的演進路徑及經(jīng)典基礎(chǔ)文獻。因此，本研究將檢索文獻導出為Refworks格式，并將CNKI引文格式轉(zhuǎn)換成CiteSpace可識別處理的引文格式，在CiteSpace中新建一個項目[3-4]。設置參數(shù)：時區(qū)選擇為2012-2022年，時間分片跨度為1年，選擇標準為g-index，可以通過自行調(diào)整比例因子k值的大小，來納入或排除更多的節(jié)點，利用聚類分析理論框架，選定發(fā)文量、作者、研究機構(gòu)和關(guān)鍵詞作為節(jié)點類型，繪制知識圖譜[3-4]。

2 結(jié)果

2.1 文獻時間分布

根據(jù)2012-2022年的文獻統(tǒng)計數(shù)據(jù)，臨床決策支持領(lǐng)域的研究發(fā)文量呈現(xiàn)總體上升趨勢，從2012年的48篇到2022年的108篇，增長超過1倍，說明臨床決策支持領(lǐng)域的研究越來越受到學術(shù)界的關(guān)注。趨勢預測線的R平方值為0．8781，反映了趨勢線的估計值與對應的實際數(shù)據(jù)之間擬合程度較高，說明我國臨床決策領(lǐng)域的發(fā)文量呈線性增長趨勢的可靠性較高。

2.2 研究機構(gòu)分布

為進一步分析我國臨床決策支持的研究機構(gòu)分布情況，統(tǒng)計發(fā)文數(shù)量最高的前30家研究機構(gòu)，其中包括11家醫(yī)院、19所高校和科研機構(gòu)，可見高校和科研機構(gòu)是該領(lǐng)域的主力。來自CNKI的中文文獻中，浙江大學發(fā)文數(shù)量（41篇）位列第一，其次是中國醫(yī)學科學院醫(yī)學信息研究所（20篇），第三位是華中科技大學（19篇）和電子科技大學（19篇）。近十年發(fā)文數(shù)量超過10篇的研究機構(gòu)如表1。

表1 發(fā)文數(shù)量超過10篇的研究機構(gòu)

2.3 關(guān)鍵詞頻率分析

詞頻統(tǒng)計旨在直觀了解最近十年我國臨床決策支持領(lǐng)域內(nèi)的研究熱點。除去檢索詞中的“決策支持”“輔助決策”和“臨床決策”之外，出現(xiàn)頻次排在前10位的關(guān)鍵詞：電子病歷（65次）、人工智能（57次）、數(shù)據(jù)挖掘（49次）、數(shù)據(jù)倉庫（44次）、大數(shù)據(jù)（40次）、知識庫（36次）、機器學習（24次）、知識圖譜（20次）、信息化（18次）、臨床路徑（17次）。

來自CNKI的文獻數(shù)據(jù)顯示，我國臨床決策支持的主要應用場景在電子病歷，主要研究方法是機器學習。數(shù)據(jù)挖掘和數(shù)據(jù)倉庫是主要技術(shù)手段。數(shù)據(jù)挖掘是從大量的數(shù)據(jù)中挖掘出隱含的、未知的、用戶可能感興趣的和對決策有潛在價值的知識和規(guī)則；數(shù)據(jù)倉庫是為構(gòu)建分析型數(shù)據(jù)處理環(huán)境而出現(xiàn)的一種數(shù)據(jù)存儲和組織技術(shù)，它能提供決策所需的數(shù)據(jù)和信息。

在國家政策引導和新技術(shù)支撐下，臨床決策支持系統(tǒng)的知識庫構(gòu)建呈現(xiàn)出2個演變趨勢：從傳統(tǒng)的靜態(tài)知識庫向知識中臺發(fā)展、從全科通用型向單病種?？苹l(fā)展。國內(nèi)研究人員進一步在大數(shù)據(jù)、人工智能領(lǐng)域進行深入探索。

2.4 突現(xiàn)詞分析

通過突現(xiàn)性分析，可以了解在某段時間節(jié)點內(nèi)的研究熱點、趨勢和前沿動態(tài)（圖1）。研究結(jié)果顯示，臨床決策支持領(lǐng)域最近兩年的突現(xiàn)詞為機器學習和智慧醫(yī)療。說明臨床決策支持是智慧醫(yī)療的重要組成部分，具備機器學習能力尤其是具備深度學習能力的臨床決策支持系統(tǒng)，使得用戶在使用過程中的反饋處理更加及時，反饋速度更快，臨床決策更加智能，這也是臨床決策支持系統(tǒng)的發(fā)展方向。

圖1 排名前10位的突現(xiàn)詞

2.5 關(guān)鍵詞聚類分析

利用LLR抽取關(guān)鍵詞并進行自動標識，此次分析共生成15個聚類（圖2）。聚類模塊值（Q值）為0．55，一般認為Q＞0．3意味著聚類結(jié)構(gòu)顯著；聚類平均輪廓值（S值）為0．86，一般認為S＞0．5意味聚類結(jié)果合理[5]，S＞0．7意味聚類結(jié)果令人信服。因此，本研究的聚類結(jié)果意義明顯。聚類的結(jié)果反映出我國臨床決策支持研究領(lǐng)域3方面熱點。

2．5．1 政策與需求的雙輪驅(qū)動導致臨床決策支持的研究呈現(xiàn)爆發(fā)式增長。在國家衛(wèi)生健康委對電子病歷評級中關(guān)于臨床決策支持的內(nèi)容[6]，4級要求醫(yī)院實現(xiàn)合理用藥功能，5級要求醫(yī)院利用知識庫實現(xiàn)決策支持服務并能夠為醫(yī)療管理和臨床科研工作提供數(shù)據(jù)挖掘功能，6級則要求醫(yī)院建立全院級多維度醫(yī)療知識庫體系，提供高級別醫(yī)療決策支持。隨后，醫(yī)療機構(gòu)的內(nèi)在需求被激發(fā)，多類應用場景，特別是某些?？祁I(lǐng)域?qū)εR床決策支持的需求增長迅速，如聚類標簽#1中的糖尿病、胃癌，聚類標簽#4中的腦血管病、乳腺癌，聚類標簽#7中的產(chǎn)前診斷、產(chǎn)前篩查等。

2．5．2 臨床決策支持系統(tǒng)賦能雙向轉(zhuǎn)診。聚類標簽#10在本研究得到的分析結(jié)果中顯得尤為突出，說明在國家大力推進分級診療制度的大趨勢、大背景下，要想把適合的患者留在基層，提升基層醫(yī)療機構(gòu)服務能力是首要也是必要的工作，而臨床決策支持系統(tǒng)能夠為基層醫(yī)療服務提供診前、診中全流程決策支持，提高基層醫(yī)療機構(gòu)診療能力與慢病管理能力[7]。國家衛(wèi)生健康委2018年發(fā)布的《鄉(xiāng)鎮(zhèn)衛(wèi)生院服務能力標準》和《社區(qū)衛(wèi)生服務中心服務能力標準》已經(jīng)將臨床決策支持功能列為能力指標和評價要點。

2．5．3 從臨床醫(yī)療決策支持逐步發(fā)展為貫穿醫(yī)療管理全流程的智能決策支持。聚類標簽#9智慧醫(yī)療中的商務智能、分析模型以及聚類標簽#6大數(shù)據(jù)中的醫(yī)療質(zhì)量、醫(yī)療差錯反映了決策支持技術(shù)不僅支撐醫(yī)院精細化運營，而且將醫(yī)療質(zhì)量和風險管理從“事后評價”轉(zhuǎn)向“事中干預”。如臨床決策支持系統(tǒng)可對分散的診療行為信息點進行抽取、轉(zhuǎn)換、整合，形成統(tǒng)一、標準的，可衡量、可比較的指標，并對院內(nèi)診療行為進行實時監(jiān)控、呈現(xiàn)和反饋，從而提升醫(yī)政醫(yī)管的數(shù)字化、精細化水平和能力，進而達到提升醫(yī)院醫(yī)療質(zhì)量和醫(yī)療安全的目標。

3 結(jié)論

臨床決策支持系統(tǒng)對臨床醫(yī)療和醫(yī)院管理真正起到賦能作用，需要臨床、藥學、管理、技術(shù)、企業(yè)和科研等多方共同努力實現(xiàn)[8]。尤其知識庫的國產(chǎn)化、標準化與可持續(xù)更新機制，是亟待解決的問題。保障數(shù)據(jù)完整性、可用性、安全性，提高臨床決策支持系統(tǒng)的安全建設和使用管理水平是需要重點考慮的角度。