杨 珺 郭 强 史文钊 陈 伟 杨 媛 吴 琛 马建辉

(中国医学科学院肿瘤医院 北京 100021) (神州数码医疗科技股份有限公司 北京 100080) (中国医学科学院肿瘤医院北京 100021) (神州数码医疗科技股份有限公司北京 100080) (中国医学科学院肿瘤医院北京 100021)

1 引言

随着信息技术飞速发展，数据库技术在医药领域得到广泛应用。有机结合人工智能与数据库等技术的人工智能数据库促进了药学知识库产生和发展。知识库(Knowledge Base,KB)是用于知识管理的特殊数据库，对有关领域知识进行采集、整理及提取，包括基本事实、规则和其他有关信息。从存储知识角度来看，知识库以描述型方法存储和管理知识[1-3]。知识库概念来自两个领域：一是人工智能及其分支——知识工程领域；二是传统数据库领域。人工智能(Artificial Intelligence，AI)和数据库(Data Base，DB)两项计算机技术有机结合促成知识库系统产生和发展，药学知识库是基于药学数据库与人工智能的智能临床用药辅助决策知识库。

2 必要性及意义

2.1 必要性

2.1.1 具备临床需求和技术基础 药物治疗是疾病治疗最常用手段，保障患者用药安全是医患双方共同追求的目标。然而复杂的临床用药与药品管理程序存在一定程度安全隐患，不合理用药不仅会造成经济浪费，还会导致无效治疗甚至药源性疾病，直接危害患者健康[4]。如何在临床治疗过程中保障药物安全合理使用已成为临床医师和药师面对的重要课题。一方面以生物医药和基因诊断为代表的各种创新诊疗手段日新月异，对于如何熟练、有效、安全地使用新药品和新技术，临床医师和药师拥有更多选择且面临更大挑战；另一方面规范治疗必须首先建立强大、可靠、以循证医学数据为基础的药学知识库。随着生物药学数据库和电子健康档案(Electronic Health Records，EHRs)的广泛应用，药学数据越来越丰富[5]。知识库数据的可发现性、可访问性、互操作性和可重用性指导数据生产者和发布者跨越障碍，从而最大程度地利用信息学技术服务知识库[6]。

2.1.2 有助提高用药有效性和安全性 美国医学研究所(Institute of Medicine，IOM)报告表明[7]，美国每年有44 000～ 98 000人死于医疗过失，其中超过7 000例与药物使用相关；哈佛医学院研究指出[8]，纽约4%左右的住院患者曾受到因医疗引起的伤害，其中近20%是药物使用引起的；另有研究表明药物使用引起的不良反应现象十分普遍[9-10]。IOM指出超过一半的药物不合理使用源自不正确的医嘱[11- 12]。为解决这一临床问题，IOM推荐医生使用具有决策支持功能的信息系统。随着国内医院信息化程度不断提高，处方、病历填写等传统医疗业务都已实现计算机化、无纸化，电子病历系统(Electronic Medical Records，EMR)[13-16]，计算机化医嘱录入系统(Computerized Physician Order Entry，CPOE)，临床决策支持系统(Clinical Decision Support System，CDSS)等医疗信息系统不仅协助医护工作者提高业务效率，而且改善医疗安全性[17-19]。通过建立由临床药师维护的计算机化药学知识库，能够使临床医生随时查阅最新药物知识及辅助临床决策，进而提高用药有效性和安全性。

2.2 意义

建立临床药学知识库既方便医护人员了解药品信息，也可辅助医生临床用药[20]。利用药学知识库综合全院医药信息，打破信息壁垒，方便医护人员快速查询、认识和了解新药。临床药学知识库中可收集临床不良反应，以数据和触发模式帮助医护人员掌握用药原则。电子病历等信息系统可利用该数据库建立处方或医嘱核对审查模式、检查处方或医嘱合理性，指导临床工作。总之药学知识库可将不同病种、个体药物使用与患者病情发展等进行动态归纳、整理并总结经验教训，进行药物、患者、医师、科室、医院之间的数据挖掘研究，从而形成具有特色的临床药学知识库，以提高医院临床用药精准化。

3 发展

3.1 分类

3.1.1 概述 医院药学信息化已经从单机应用和单纯的药品管理发展到计算机联网辅助管理和数据库辅助决策系统，进而与医院信息系统(Hospital Information System，HIS)高度无缝衔接，实现药学服务全程信息化[21]。现有药学知识库可分为4类，即综合型药学知识库、基本药物信息药学知识库、药物基因组学知识库与本体数据库，见图1。

图1 基本药学知识库分类

3.1.2 内容 综合型药学数据库(或化合物知识库)包括ChEBI数据库、ChEMBL数据库、KEGG Compound数据库等，其中包含药学信息及其他数据信息。在药学专业数据库中，代表性的有DrugBank、KEGG Drug、PharmGKB等，其中包括药物名称与类别、分类、描述、分子式、同义词、产品重量、药理、交互作用、药物经济学、临床实验、属性、光谱对应关系。Binding DB、CTD、TTD等药物靶点数据库提供已知或正在探索的可用作治疗的蛋白质靶点和核苷酸靶点信息，以及与其对应的靶疾病、靶通路和相应的药物/配体信息，包含这些靶点在其他数据库中的相关链接，靶点的功能、序列、3D结构、配体结合性质、酶的命名以及相关文献等信息的链接。ATC、UMLS等本体数据库作为医学术语系统，涵盖临床、基础、药学、生物学、医学管理等医学及相关学科，收录众多医学概念和词汇。

3.2 国内发展情况

3.2.1 现状 我国正在建立临床用药数据库，其中Drugs是由医药学专家依据国家食品药品监督管理局批准的药品说明书、《中华人民共和国药典》、《临床用药须知》、《中国国家处方集》、《国家基本药物目录》以及国家食品药品监督管理总局发布的相关信息、权威期刊发表的研究成果，按照一定规范整理而成。为了更好地规范中药使用，建立中药知识库[22-23]是基础药物信息与循证医学初步结合的药学知识库。

3.2.2 问题 当前国内药学知识库主要集中于药品基础信息，满足医生初级临床需求，缺少循证医学证据与药物基因组学数据，对指导临床用药缺乏实质意义，仅能支撑有限的基于规则的临床辅助决策，缺乏肿瘤用药临床支持决策的药学知识库[24]。为满足临床实际需求，国内迫切需要在知识整理基础上融合大数据对患者实际治疗结局进行统计分析，为指导临床实际用药、药品研发及基于数据的临床辅助决策系统奠定基础。

3.3 国内外常见药学知识库(表1)

表1 国内外常见药学知识库

续表1

4 构建

4.1 数据来源

本研究在药品说明书、中国国家食品药品监督管理总局、美国食品药品监督管理局、药物相互作用数据库、药物靶点数据库、信号通路数据库的用药禁忌、药物治疗方案、药物相互作用、基因突变信息等相关内容基础上组建数据库，由有关专家反复论证，选择科学性、操作性、指导性和实用性较强内容，利用关系型数据库特点建立临床用药知识数据库。通过不断更新的疾病临床诊疗指南、临床路径、权威文献等医学资料以及相关诊疗信息，利用机器学习、数据挖掘与人工整理审核相结合的方式对药学知识库内容进行结构化、元素化梳理。

4.2 模型构建

在临床用药知识数据库基础上，根据医院精细化管理要求构建临床药学知识库模型。通过获取药物基本信息、药物说明书、美国食品药品监督管理局用药标准、药物相互作用、药物基因组以及临床试验相关信息组成知识库基本结构，在PubMed下载相关文献，经过筛选与审查注入数据库。将患者临床数据通过自然语言处理(Natural Language Processing，NLP)等方法进行处理并归纳入库，见图2。

图2 药学知识库具体构建与应用流程

4.3 设计要点及应用

系统旨在以用药管理及辅助用药为整体思想，分析和总结用药数据，更好地指导临床医生用药。设计要点包括药品信息维护、入组数据筛查、人工智能与知识库结合、风险提示、证据等级、证据控制与评价和免责声明等，满足患者治疗、临床辅助决策、临床科研、药物研发等应用需求。

5 展望

5.1 推进药学知识库建设应用实践

我国已经着手开展与国际接轨并符合中国国情的药学知识库建设。童荣生在题为《基于知识图谱技术的智能临床用药决策支持系统》的专题报告中指出，iPharma用药助手系统以云服务方式面向医务人员和患者解答临床药物使用疑问，给出个体化精准用药建议，预测药物疗效和不良反应等，规范用药行为，提升临床整体合理用药水平。京东健康与北京大学第三医院宣布联合开发PharmCoo人工智能药学知识图谱。PharmCoo是基于药学知识库和真实世界数据，结合语义理解、机器学习等人工智能技术构建的药学知识图谱，产品开发成功后将为各方提供高效便捷的合理用药和智能处方审核等服务。

5.2 开拓医疗数据应用新路径

中国拥有海量医疗数据，利用大数据技术挖掘循证医学证据具备先天优势[25]，可推进两项研究实践：一是医院内部对过去几十年产生的医学资料进行深度挖掘，通过回顾性分析、归纳、推理和应用筛选有价值的循证医学证据，用于制定和更新临床诊疗规范，指导临床合理用药。二是建立有效的信息化平台，帮助临床医师和药师第一时间获取国内外最新循证医学证据和临床用药的基本信息，为临床用药决策提供依据。