电子病历的核心价值与临床决策支持

1、 电子病历的核心价值与临床决策支持雷健波哥伦比亚大学计算机硕士和医学信息学硕士华美医信科技有限公司摘要:目前国内的电子病历研发过程主要侧重于医学记录在计算机平台的编辑和保存上,而真正电子病历可以带来的重要核心价值,即满足临床诊疗现场的信息需求(Information need at the point-of-care以及能够有效地改善医生的临床决策,并没有在国内的产品上获得足够的反映。这在一定程度内阻碍了国内电子病历的发展,因为临床医生在诊疗活动当中并没从电子病历的应用上获得最大的利益,而计算机汉字输入的速度问题,以及其它一些电子病历带来的医生工作习惯的改变,变成了降低临床医生对电子病历的接受

2、程度的突出因素。本文试图从国际和国内的电子病历发展趋势中阐明电子病历系统的一个重要核心价值在于为医护人员在诊疗现场提供必要的信息和知识,并且能够有效地改善医生的临床决策从而减少医疗差错,病历电子化和结构化只是比较基本的功能要求。同时,本文将系统地介绍电子病历当中临床决策支持的种类和应用实例,以及对医疗活动的影响,从而为中国的电子病历向智能化和知识化的方向发展提供参考。关键词:电子病历,临床信息系统,临床决策支持,医疗质量,医疗差错医护人员在医疗活动中的差错已经成为了国内外社会普遍关注的问题。在学术界,1999年,IOM(美国国立医学研究院发表了一篇划时代的报告“To err is Human”

3、(人是会犯错误的1,报告表明:第一,医疗错误的数量惊人,医疗差错致死已经成为十大死因的第五位;第二,大部分的医疗错误是可以通过计算机系统避免的,而电子病历将是其中的关键。在业内,电子病历和知识系统的应用已经普遍被认为是未来5-10年内提高病人安全最为优先和紧迫的任务。2002年,NQF(美国全国卫生质量论坛建立了30项基于证据的安全执业规范;2003年,JCAHO(美国医疗机构信用评定机构正式要求所属医院实施30项安全规范中的11项。在政府,信息技术和电子病历得到了空前的重视。2004年元月,布什在一年一次的全国性演讲国情咨文上提出宏伟计划:即在10年内让绝大部分的美国人拥有电子健康病历。同年

4、5月,美国政府开先例地设立了医疗信息技术行政长官,主要目的就是实施布什的10年健康计划。考虑到国内医疗的发展水平,医疗差错问题可能更加严重,通过信息化的手段来控制医疗差错及提高医疗质量也是更加迫切的任务。然而,在中国,对电子病历的概念及发展方向还存在着一些误区,其中主要的一个误区是将电子病历概念狭义化,即认为电子病历只是纸介病历的计算机翻版,进而研发过程过分地偏重编辑器的功能。1991年美国医学记录研究院(Medical Record Institute, MRI对电子病历(Electronic Medical Record ,EMR的定义是:电子病历是计算机医学记录的广义说法,与纸张病历相比

5、,具有同样的结构和范围。另外,美国医学记录研究院认为:电子病历系统应具备适当的获取、处理、存储信息的能力,并具有与其他相关系统的集成能力。1997年美国电子病历机构 (Computer-based Patient Record Institute, CPRI 对电子病历的涵义做了重新修订,认为电子病历是用电子方式来保存个人的终生健康状况和保健信息,电子病历作为健康医疗信息的主要资源,满足所有的临床、法律和行政的需要,是一个人整个生命过程中有关健康资料的真实汇编。它包括了临床事实、观察、阐明、计划、行动和结果的总和。电子病历由一个从不同位置提供的俘获、存储、处理、传递、安全和呈现信息的系统来支持

6、。从上述的国外定义不难看出,电子病历的定义更加宽泛,涵盖了以下元素:1 以满足临床诊疗需求为目的,2以电子信息为媒介,依托于计算机系统平台,3具备信息的完整性、及时性、安全性、可交换性特征,4贯穿患者健康信息生成并保存的全过程,5并能够有效的改善医生的临床决策结果。中国的电子病历已经有了几年的发展,然而,国内的电子病历研发过程主要偏重于医学记录在计算机平台的编写和保存上,而电子病历可以带来的核心价值,即满足临床诊疗现场的信息需求(Information need at the point-of-care以及能够有效地改善医生的临床决策并减少医疗差错,并没有在国内的产品上获得足够的反映,国内的电

7、子病历开发商也没充分地认识到电子病历的核心价值所在。这在一定程度内阻碍了国内电子病历的发展,因为临床医生在诊疗活动当中并没从电子病历的应用上获得最大的利益,而计算机汉字输入的速度问题,以及其它一些电子病历带来的医生工作习惯的改变,变成了降低临床医生对电子病历的接受程度的突出因素。本文的目的在于着眼于国际上电子病历发展趋势,着重阐明电子病历系统不是简单的病历电子化和结构化,而是全面的面向医护人员的临床信息系统(Clinical Information System, CIS。它的核心价值在于为医护人员在诊疗现场提供必要的信息和知识,并且能够有效地改善医生的临床决策。同时,本文将系统地从理论的高度

8、上归纳和阐述电子病历当中临床决策支持的种类和应用实例,从而为中国的电子病历发展向智能化和知识化的方向发展提供参考。另外,本文还将对临床决策支持系统对临床活动的影响做出系统性的回顾,以便读者对电子病历中决策支持功能的价值有更直接的了解。1.电子病历的发展阶段纵观国内外的电子病历的发展历程大体上经历以下几个主要阶段:1萌芽阶段(纸病历的图像扫描,文本编辑器在此萌芽阶段内,电子病历发展的主要思路是将纸介病历进行电子化,包括两种方法。最简单的方法是将纸介病历进行图像扫描成为电子图片文件,然而这种方式虽然实现了病历的电子化存储,但无法进行进一步的计算处理。略微先进一点的方法是将电子病历简单地作为一个文本

9、编辑器,而病历的内容完全与纸介病历一致,这种方法虽然可支持一些纸介病历不能实现的功能,如编辑方便,解决了“天书病历”问题,但实质上是纸介病历的计算机翻版,只不过是将输入时用的钢笔改成了计算机键盘,载体由纸变成了计算机屏幕,临床决策支持与科研统计等更加高级的功能并没有在此阶段的电子病历系统中得到实现。2初级阶段(结构化病历认识到简单的文本编辑器作为电子病历的局限性,近年来电子病历产品普遍向结构化的方向发展。电子病历结构化的主要目的是解决病历的自然文本中有用信息的计算机提取 和应用。虽然结构化的发展趋势一定程度上促进了电子病历在高级功能上的应用,然而并非所有的病历内容都适合于结构化,例如,病历的主

10、题部分之一,现病史,就很难完全结构化,既使结构化了,也难以适应多变复杂的病人情况,往往会极大地制约医生描述病情的准确性,影响病案的质量,所以,在一定范围内,自然文本还不可能从电子病历中消失,而且还会占据很大的部分,病历的过度结构化最终会损害病历的真实性和可信性。病历的结构化是不能完全解决计算机处理自然文本的限制,最终的解决方式只能依靠人工智能领域内的计算机自然语言处理技术,这一点国外的研究已经走在了前面2-6。3成熟阶段(带有临床决策支持的电子病历与国内对电子病历的研究集中在结构化的编辑器不同,国外的电子病历研究已经认识到结构化编辑器能够给医生带来好处的局限性,转而深入地探索电子病历能够完成的

11、临床决策支持功能以及能够对临床诊疗质量的影响等深层次课题上。经过多年的积累,临床决策支持在国外已经形成了系统的方法,多种标准和技术已经被应用到了大型的医院以及国外大厂商的产品当中。相对而言,国内的电子病历系统在临床决策支持上还相当薄弱。4高级阶段(病历高度共享电子病历的另外的一个发展方向就是病历的高度共享,这里涉及到电子病历的标准问题,既使在美国电子病历的标准问题也没有得到彻底的解决。因此,电子病历的高度共享可以被认为是电子病历发展的高级阶段。2.电子病历的核心价值从上述的电子病历的发展阶段可以看出,就国内目前的发展状况看,电子病历的核心价值应当体现在成熟阶段的智能化、知识化的临床决策支持功能

12、上。下面归纳并对比了电子病历的初级阶段的结构化和成熟阶段的智能化与知识化所带来的价值。1电子化、结构化带来的价值a病历书写更为规范和方便高效b病历信息资源在有限范围内能够共享c提高科研和教学效率、质量d病历质量的自动化监控和管理2智能化、知识化带来的价值a面向医生工作流中的信息需求(Satisfy Clinicians Information Need in Workflowb提供在线循证医学知识库(Provide Online Evidence-based Medical Knowledgec无缝整合医学诊疗常规(Seamlessly Integration with Medical Pra

13、ctice Guidelined实时的诊疗活动现场的决策支持(Real-time Decision Support at the Point-Of-Caree减少决策中的失误,减少医疗差错(Reduction of Mistakes in Decision Making andMedical Errors由此可以看出,只有新一代的整合了临床决策支持功能的电子病历系统才能有效地防止医疗差错的发生,从而直接地提高医疗质量。因为发生在现场的医生诊疗活动是医疗过程的核心,优质的没有差错的诊疗活动是对医疗活动的最基本也是最直接的要求,所以,我们认为以提高医疗质量为目的的临床决策支持功能是电子病历的核心价

14、值,同时也是电子病历研究中最具挑战性的任务之一。3.临床决策支持的分类下面,我们将系统地回顾电子病历中临床决策支持方法。根据Musen和Shortliffe7等人,临床决策支持系统可以按五个维度(Dimension进行分类,另外,如果将不直接给出建议而只是给出相关信息的系统也划入临床决策支持系统,那么临床决策支持系统可以按以下六个维度进行分类(表一:表一临床决策支持系统的分类维度分类维度内容内部决策机制Bayesian theorem,Belief networks, 决策树分析, 基于规则的方法, 基于规程的方法,Bayesian network, Support Vector Machin

15、e, 神经网络, 基于相似性的算法.系统功能什么是对的(诊断, 做什么(做什么检查,用什么药建议方式主动,被动人-机交互独立的, 与信息系统和医生的工作流程相融合交流方式顾问式,批评式决策支持程度直接,间接(但提供相关的必要的知识1内部决策机制内部决策机制的不同主要取决于临床决策支持系统的内部知识表示方式,针对不同的决策需求存在着不同的知识表示方式,从而形成了不同的决策机制。例如,根据病人的症状体征等的辅助诊断系统常以概率来表达症状与疾病相关性,此类的决策方式主要有基于Bayesian theorem的方法和Belief networks。具体的实例有早期的基于精确概率的Leeds Abdom

16、inal Pain 8系统以及基于近似概率的DXplain9和QMR10。对于医生应采取行动的决策支持系统常见的有基于概率的决策树分析法。另一种常见的医学知识的表示法为基于规则的方法,早期的医学专家系统即属于此类,最著名的医学专家系统为Shortliffe的建议抗生素用法的MYCIN系统11,但由于各种原因这类专家系统并没有在临床中取得实质性应用。另外,近期的已经在国外的临床中具体应用的事件监视器(Event Monitor也都是基于规则的决策支持系统,例如比较早的HELP系统12和哥伦比亚大学医学院应用的事件监视器系统13。这些系统通过事先定义好的规则来实时地监视病人的相关信息,一旦规则中的

17、前提条件得到满足,相关规则将被触发,相应采取规则中规定的行动,或是对诊断或是对治疗提供决策支持。最近,更加复杂的基于规程(protocol-based的知识表示方式也已经进入了科 研阶段,这种表示方法可以表示更加复杂的医学知识,例如,临床诊疗指南(Clinical Guideline。典型的有斯坦福大学的EON14和InterMed的GLIF15,然而由于临床环境的复杂性,这类系统的实际应用还有一段路要走。与以上人工编辑的决策机制不同,另一大类的临床决策支持系统不依赖人来输入知识,而依赖机器学习(Machine learning原理从大量的实例中自动获得知识,常见的机器学习算法有Bayesia

18、n network, Support Vector Machine, 神经网络, 基于相似性的算法等。但此大类机制的缺点是系统难以对结果进行人类容易理解的解释。2系统功能临床决策系统也可以按其设计的所能完成的系统功能来划分。主要有两大类主要的功能:一是帮助决策什么是对的判断,例如临床诊断,早期的Leeds Abdominal Pain 8、DXplain9和QMR10等医学诊断系统即属此类。二是帮助医生决策下一步应该做做么事,例如做什么检查,用什么药,要不要手术等,最典型的一个例子就是决策分析树,即根据概率分析医生下一步应该怎样做,已经有许多厂商提供了此类工具(例如, 3建议方式临床决策系统的

19、建议方式分为主动和被动两种。主动的方式为系统主动地给医生提出决策建议,不管医生此时有没有决策帮助的需要,例如各种事件监视器系统12, 13,这类建议方式的好处在于可以强制性阻止一些严重的后果发生,例如用药配伍禁忌和药物-疾病禁忌等。被动的方式是指只有医生主动询问系统时系统才给出决策建议的方式,例如早期的各种诊断辅助系统,包括Leeds Abdominal Pain8、DXplain9和QMR10等。4人-机交互人-机交互方式也是划分临床决策支持系统的一个比较重要的维度。主要区分一个系统是否与医生的工作流程相融合。早期的临床决策支持系统由于多是独立于医生工作流程之外的,医生要获得帮助不得不在决策

20、系统中再次输入患者的信息,造成时间的浪费,例如早期的MYCIN系统,用户不得不从当前的工作中停下来转到MYCIN系统所在的计算机上,并且要重新输入患者的信息后才能获得决策支持的结果。现代的临床决策支持系统大多与医生的工作流程相融合,医生可在工作流程中迅速地获得决策支持,例如各种事件监视器系统12, 13可以在用户完全不干预的情况下发出各种发警,还有最近的无缝整合于电子病历的一键通技术(InfoButton16, 17是在完全不干扰医生工作流程的情况下给医生提供必要的决策相关信息。5决策中的交流方式临床决策支持系统在交流方式上分顾问式(Consulting model和批评式(Critiquin

21、g model。顾问式在流程中不断地与医生进行交互获得必要信息,最终生成最后的建议,例如在MYCIN系统中,需要用户不断地与计算机进行信息交互,最终计算机才能给出最后的决策意见。而批评式的系统事先根据相关信息生成一个决策建议,如果医生的决策与之不符,则给出系统的决策建议,适用于医生愿意自己决策而只是需要系统对自己的决策进行再次确认的情况,前面提到的事件监视器系统即属于批评式的。2007 中华医院信息网络大会 6 决策支持程度 与直接能给出决策建议的系统不同，也有一些系统不直接给出建议而是只提供给决策 者必要的相关信息，最终由决策的医生做出最后的决策。因此，从决策支持程度上可以分为 直接和间接两

22、类。 前面提到的决策支持系统大部分是属于直接给出决策建议的系统。 间接的 决策支持系统主要包括与临床信息系统相融合的多种再线式知识库，例如 UpToDate, FirstConsult 等。一键通技术（InfoButton）16, 17可以方便地将各种知识库通过再线的方式 方便地提供给医生， 间接地为临床决策服务。 间接式的系统还包括多种系统产生的数据分析 图表等。 4. 临床决策支持对医疗活动的影响 1） 对医生工作质量的影响 临床决策支持系统对医生的工作质量的影响国外的文献已经有了相当多的报道，根据最 近一份 2005 年发表于 JAMA 的比较权威的系统性回顾18，97 项经过严格逃选的

23、随机研究 中 62 份（64%）发现临床决策支持系统可以提高医生的工作质量。其中包括 4 个（40%， n=10）诊断系统，16 个（76%，n=21）警告系统，23 个（62%，n=37）疾病管理系统，19 个（66%，n=29）处方系统。这个结果与 1998 年同样发表于 JAMA 的 66%（43/65）的结 果相类似19。医生的工作质量表现在诊断所需时间的缩短，提高筛查准确率，减少没有必 要的收入院和没有必要的实验室检查等等。 这个结果说明大多数国外报道的临床决策支持系 统对医生的工作质量有提高作用。 2） 对医疗差错的影响 临床决策支持系统对减少医疗错差的影响研究最多的学者当属哈佛大

24、学的 David W. Bates。他们的小组在十几年的时间里发表了多篇有关文章。他们在 2003 的一篇回顾文章中 总结了所有有关的文献20，结果是在五篇有关电子处方的研究中，两篇报道了系统可以显 著的减少严重的用药出错率， 一篇报道了可以提高联合处方质量， 一篇报道了可以提高五种 处方行为，一篇报道了可以提高肾毒性药物应用安全性。另外，在七篇有关独立的临床决策 支持系统中， 三篇报道了可以减少与抗生素相关的用药差错， 一篇报道了可以减少与茶碱类 药有关的用药差错，其它三篇报道了没有统计性的差别。从这篇系统回顾中可以看出，通过 信息化的手段减少医疗差错是可行的，尤其是那些可以直接影响医生处方

25、的信息系统。 3） 对医疗经济的影响 虽然已经有许多的研究报道了信息系统可以减少医疗差错和提高医疗质量，但高额的投 入和缺乏对经济收益的认识阻碍了医院对临床系统信息化的进程。 最近， 一篇发表于 JAMIA 的文章公布了 Brigham and Womens Hospital（BWH）十多年来使用带有决策支持功能的电 子处方系统的一组经济数字21。该医院从 1993 年到 2002 年间，共投入了 11.8M 美元用于 电子处方系统的开发、实现和运行。然而在这十几年的时间里，该系统一共为该医院节省了 28.5M 美元，净收益为 16.7M 美元。虽然有关临床信息系统对医疗经济的报道并不多见，但

26、 BWH 的经验至少说明设计良好的临床决策支持系统是可以为医院带来经济上的利益的。 5. 结语 我们从前面的论述中可以得出：电子病历绝不仅是病历的电子存储，它实质上是医疗过 423 程的全面信息化， 是全面的面向医护人员的临床信息系统。 取代纸张病历也不是发展电子病 历的唯一目标甚至不是主要目标， 更不能用这一目标来衡量电子病历的意义所在。 根据本文 中的电子病历概念， 它已不是静态的病历本身， 而是动态的智能化和知识化的能够帮助医生 更好的完成诊疗活动的信息源。 本文着重从临床医生和临床实践的角度强调了智能化和知识 化的临床决策支持系统是电子病历的核心价值， 然而， 我们并不是否定电子病历可

27、以带来的 其它方面的益处，包括信息传递的高效率，方便医院及宏观上的医疗管理，以及信息的异地 共享。 因为医生的临床诊疗活动是医疗过程的核心， 并且临床医生是电子病历的直接使用者， 所以， 我们有足够的理由认为可以实时地满足医生在诊疗活动中的信息需求， 减少医疗差错 从而提高医疗质量的决策支持功能是现代电子病历的核心价值， 也是电子病历能够被广大医 生接受的关键因素。 参考文献： 1. 2. 3. 4. 5. Kohn, L.T., J.M. Corrigan, and M.S. Donaldson, To err is human: building a safer health system

28、. 2000, Washington, D.C.: National Academy Press. Friedman, C., et al., A general natural-language text processor for clinical radiology. J Am Med Inform Assoc, 1994. 1(2: p. 161-74. Friedman, C. and G. Hripcsak, Natural language processing and its future in medicine. Acad Med, 1999. 74(8: p. 890-5.

29、 Friedman, C. and G. Hripcsak, Evaluating natural language processors in the clinical domain. Methods Inf Med, 1998. 37(4-5: p. 334-44. Friedman, C., et al., Representing information in patient reports using natural language processing and the extensible markup language. J Am Med Inform Assoc, 1999.

30、 6(1: p. 76-87. Friedman, C., et al., Automated encoding of clinical documents based on natural language processing. J Am Med Inform Assoc, 2004. 11(5: p. 392-402. Shortliffe, E.H. and L.E. Perreault, eds. Medical Informatics-Computer applications in Health Care and Biomedicine. Health Informatics S

31、eries, ed. K.J. Hannah and M.J. Ball. 2001, Springer-Verlag: New York. Adams, I.D., et al., Computer aided diagnosis of acute abdominal pain: a multicentre study. Br Med J (Clin Res Ed, 1986. 293(6550: p. 800-4. Barnett, G.O., et al., DXplain. An evolving diagnostic decision-support system. Jama, 19

32、87. 258(1: p. 67-74. Miller, R., F.E. Masarie, and J.D. Myers, Quick medical reference (QMR for diagnostic assistance. MD Comput, 1986. 3(5: p. 34-48. Shortliffe, E.H., Computer-Based Medical Consultations:MYCIN. 1976, New York: Elsevier/North Holland. Gardner, R.M., T.A. Pryor, and H.R. Warner, The

33、 HELP hospital information system: update 1998. International Journal of Medical Informatics, 1999. 54(3: p. 169-182. Hripcsak, G., et al., Design of a Clinical Event Monitor. Comput Biomed Res, 1996. 29(3: p. 194-221. Musen, M.A., et al., EON: a component-based approach to automation of protocol-directed therapy. J Am Med Inform Assoc, 1996. 3(6: p. 367-88. Ohno-Machado, L., et al., The GuideLine Interchange Format: A Model for Representing 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 424 200