随着社会经济的迅猛发展，自然环境、工作方式、饮食结构使疾病谱发生了巨大变化，以心脑血管类、代谢类、恶性肿瘤类、精神类为代表的慢性非传染性疾病(Chronic non－ communicable diseases，简称 CCD、慢性病或者慢病)已经成为危害人类健康的重点问题之一。该病的危险因素包括:遗传因素、环境因素、精神因素等，主要危害心、脑、肾等重要脏器，易造成伤残，影响劳动能力和生活质量［1］。目前，慢性病的诊疗模式主要依靠传统的诊断方法，即根据症状、体格检查和实验室检查等结果的临床数据及各种辅助医技设备对患者的检查结果，由医师应用临床医学、诊断学、病理学等知识和工作经验，对病情进行评估、分析和判断，得出诊断结果和治疗方案。这种诊断方法容易受主观因素影响，诊断结果的准确率与医师的医疗水平密切相关。因此通过研究既往计算机辅助诊断系统(computer－aided diagnosis system，CADS)的研发模式，结合医院疾病诊断实际，设计出基于慢性病的计算机辅助诊断系统(CCDCADS)。计算机在模拟收集各个患者的信息和医师的思维过程后，辅助医师做出正确的诊断和处理，通过不断更新信息库，积累系统的信息量，实现帮助医师积累经验，减少其决策偏差，还可以开展有针对性的医学咨询等。

1 研究背景

伴随着全球信息高速公路的兴起，现代医学信息爆炸性增长，计算机在医疗领域得到广泛应用。从1970年开始，国内外卫生机构均投入大量资源对医疗辅助诊断系统研究与开发，但是大多数的系统研究仅仅是注重总结专家们的经验，而把人的辨识能力弱化，忽略了医疗诊断多因素分析的复杂性和特异性，实际能为医师所接受并投入临床使用的为数极少［2－3］，20世纪90年代，国外就已经开展了基于人工智能决策系统的开发研究［4－5］。而慢性病诊疗辅助系统(辅助诊断系统)的开发研究也在逐步开展。CCDCADS能对疾病进行较高程度的全面诊疗性分析，可以解决临床医师面临的日益增长的信息积累的负担，并且为临床医师提供了一个可以通过计算机信息技术为医疗体系提供循证医学决策的平台［6－7］。因此，计算机信息处理技术在医疗诊疗领域具有十分广阔的应用前景［2］。

慢性疾病的发生、发展、转归以及恶化往往是动态变化的过程，由于每个患者的年龄、性别、家族史、既往史等个人基体情况不同，往往存在较大差异性和随机性。同时，疾病所表现出来的各种症状、并发症等临床信息，对于不同人又可能出现某些特异性或特征性的表现。因此，医师不仅要有渊博的理论知识和技能，还要具有严谨的思维与严密的逻辑能力，才能判断出准确、全面的诊疗方案［8］。临床医师迫切需要一种工具帮助其巩固所做出的正确诊疗［9－10］。

“智能全科医生辅助诊疗系统”，是通过计算机模拟收集各个患者的信息及医师的思维过程，辅助医师做出正确的诊断和处理，并且能够不断更新数据、信息和经验［8］。人工智能技术进入医学领域将会不断提高医师自身的业务水平，培养应用数据思考，避免片面性，减少诊疗中的繁琐重复，改善医务人员及医疗辅助机构工作人员的劳动强度，减轻患者痛苦和疾病负担为目的。CCDCADS可以应用人工智能技术模拟临床专家对疾病的诊断、治疗的思维过程的系统，可以帮助初级医师解决复杂的医学问题。由于CCDCADS综合了多领域的医学专家的经验理论，具有可靠性高，不会受疲劳、疏忽、紧张影响，不会遗忘等优势，使得专家知识可以不受时间和空间限制，得到永久保留并推广应用［11］。临床运用时，对提高诊疗水平的确具有有良好的辅助作用［12］。

2 系统构建

慢性病计算机辅助诊断系统能够通过循证医学原理，减少误诊和漏诊的发生，也可用于临床医师的教学培养，特别适用于基层卫生医疗机构，也可以在三级医院应用。根据文献查阅，既往的慢性病计算机诊疗辅助系统是基于不同疾病表现出不同临床症状构建的疾病数据库，用户通过录入或采集一组临床症状，应用数据建模设置的推理规则对慢性病进行检索评估，最终得到相关性最强的诊断结果。事实上，CCDCADS在临床上应用好的为数不多，主要原因如下:①该系统的精确度和灵敏度不高;②人工智能化程度不够，在模拟诊疗思维的同时对慢性病的复杂性和多变性掌握不够;③用户信息采集录入、疾病评估、信息检索时间过长，效率不高;④系统自身缺乏反馈更新机制，缺乏灵活性［3］。

2.1 基本结构 设计出完整便捷的CCDCADS，在当今医学、信息学等科技高速发展的今天，研发出动态反馈、及时更新的子模块是必不可少的［13］。本次设计的系统框架可以通过图1表示。通过在HIS系统中采集病种数据形成患者数据采集系统，将数据信息标准化编制后形成数据仓库。对数据仓库内容实施数据挖掘，构建数据挖掘模型库后，再实施疾病的辨识、分析、评估、判断和排序，推算出计算机辅助决策的最优方案，形成慢性病诊断的计算机辅助检索查询系统。

2.2 采集数据与标化数据 在采集录入系统数据的同时，重点设计慢性疾病临床症状的关键字的字典，使其规范化。慢性病各病种的临床表现与症状各有不同，大量数据造成海量信息。在采集患者基本情况(含性别、年龄、体重、家族史等)、疾病症状分型(单纯性疾病和复合性疾病)的基本原则是分级分度，即制定一组通用的规范标准量化用户采集录入的数据。例如，描述高血压患者症状的时候，应当按照医学高血压分级的标准进行采集录入:Ⅰ级(140～160 mmHg)、Ⅱ级(160～180 mmHg))、Ⅲ级(180 mmHg)以上)，而不应该是轻、中、重、偏高、很高等模糊词汇。CCDCADS中，在数据的采集录入上有两种交互方式［13］，一种是主动型，优点是灵活性强，由用户直接录入患者症状;另一种是引导式，优点是采集录入的效率高，但灵活性和扩展性差，具体是系统提供一组有序的症状辅助信息列表，供用户选择。本系统设计中，两种录入形式均采用，相互结合，互相补充，具有典型症状的采用引导型，而症状信息模糊的，采用主动型，有利于系统的灵活扩展和运行效率。

2.3 数据标准化集成与构建数据仓库 慢性病诊疗信息的集成，主要从解放军总医院的HIS库中，采集5～10年慢性病诊疗数据内容，标准化后形成慢性病诊疗数据库。其重点内容来源于临床的诊疗数据信息。以往数据库的建立主观影响因素重，而现在提倡用临床医学、循证医学等客观信息构建数据库，参照医学专家的评定结果和国家专业标准给予完善。疾病数据列表采用二维表的方式构建有利于存储各类不同的疾病信息。一种疾病应当对应一组临床信息，例如:症状性的出汗、疼痛、发热等，检查性的如白细胞、胆红素、癌胚蛋白等。

2.4 数据挖掘库结构 本系统的关键点是对慢性疾病的临床内容构建数据挖掘库(图1)，主要是数据挖掘方法库和数据模型库。数据挖掘方法库中主要设计信息模型、数据模型、数据流程等。数据挖掘模型库重点是对慢性病的临床内容建立多主题、多维度的模型库，并根据疾病诊疗结果进行模型库管理，主要是对慢性病评估、诊断、诊疗和效果预测。

2.5 查询排序诊断模块 通过数据挖掘库的评估结果进行诊断。具体有三个模块:①诊断模块:主要录入患者的姓名、性别、年龄，家族史、个人史、现病史等，根据其主诉症状，CCDCADS评估排序，将最接近最符合疾病的前三位诊断预测出。②用药模块:首先排除是否患有其他疾病，询问患者既往用药，临床症状，根据评估的诊断内容，系统检索统计处符合该类疾病的用药决策信息，前提是诊断预测后，医师确认的诊断结果。③检查模块:例如:通过冠心病的各种辅助检查确诊，包括ECG、二阶梯、平板实验、心脏调博负荷试验等，采集患者检查检验结果，系统评估前三位的诊断内容，同时给出病历。④效果预测模块:系统结合症状、体征、检查检验结果、用药剂量等追踪住院的慢性病患者一段时间后，定期给予治疗质量的评估和预测。

图1 CCDCADS 设计

3 总结与讨论

本文介绍慢性病疾病诊断辅助信息系统的研究背景、模型设计、系统构建的关键技术。建立完善慢性病的辅助诊疗系统有利于医方对慢性病治疗领域的展开发和患方负担的减轻以及寿命的增加。利用这个大的诊疗数据库实现资源共享，提高对患者病情“诊”和“断”的精度和可靠度，有很好的经济效益和社会效益。同时也必将带动科研的发展。总之CCDCADS的优势在于丰富的临床经验以及较高的精度和可靠度。计算机的辅助诊疗系统有利于整合信息资源，积极打造创新型医疗服务平台，就当前研发先进的信息技术来提高患者医疗照护质量，改变传统的信息孤岛，形成统一的临床信息共享平台，提供可靠的临床诊断［14］。

综上所述，CCDCADS以先进的信息科学和技术为临床医学带来了新的工作模式和服务模式。为医院研发慢性病诊疗的辅助信息系统具有更加良好的条件。相信未来的智能医学诊断和治疗系统将成为医师们最得力的助手，其将为各种疾病的预防诊断和治疗做出更大的贡献［15］。但是，应用CCDCADS完全替代医学专家是不符合事物客观规律的。因此，CCDCADS的定位应当是辅助医师临床诊疗决策的支持系统，不是临床诊疗的标准。

［1］ 于 萍.国内外慢性非传染性疾病健康管理［J］.2012，3(9):5.

［2］ 姚一波，王纪亮.医疗诊断系统专家知识的表达与获取方法［J］.信息技术，2002(2):31 －32.

［3］ 梁嘉骅，王双惠，李常洪，等.医疗诊断专家系统开发的新思想与新方法［J］.系统工程学报，1999，14(1):80 －90.

［4］ Chassin MR，Galvin RW.The urgent need to improve health care quality［J］.Institute of Medicine National Roundtable on Health Care Quality，JAMA，1998，280(11):1000 －1005.

［5］ Reisman Y.Computer－ based clinical decision aids［J］.A review of methods and assessment of systems，1996，21(3):179 －197.

［6］ Kaushal R，Shojania KG，Bates DW.Effects of computerized physician order entry and clinical decision support systems on medication safety a systematic review［J］.Arch Intern Med，2003，163(12):1409－1416.

［7］ Coiera E. Guide to Health Informatics［J］. London:Arnold;2003.

［8］ 刘秋华，刘绵林.“智能全科医生辅助诊疗系统”原理［J］.数理医药学杂志，2007，20(3):376 －379.

［9］ Basit Chaudhry.Computerized clinical decision support:Will it transform healthcare［J］.Journal of General Internal Medicine，2007，23(1):85－87.

［10］ Thompson TG，Brailer DJ.The Decade of Health Information Technology:Delivering Consumer－centric and Information－rich Health［J］.2004，20.

［11］程 勇，陈卫国.医疗诊断专家系统的研究和应用［J］.医疗设备信息，2005，20(12):33 －35，51.

［12］朱文峰.中医(辅助)诊疗系统的研究［J］.中国中医基础医学杂志，2003，9(10):8 －11.

［13］陈再旺，陈景长.一个医疗辅助诊疗专家系统的设计与实现［J］.计算机系统应用，2001(12):50 －51.

［14］ Chaudhry B，Wang J，Wu S，et al.Systematic review:impact of health information technology on quality，efficiency，and costs of medical care Ann Intern Med［J］.2006，144(10):742 －752.

［15］ Han L，Long Z.Study on computer－aided diagnosis system based on multi detection［J］.2011，28(6):1114 －1116.