国内外临床指南计算机化研究进展
曾可1 刘海通 1 李艳 1 吴梦佳 1 张士靖 1（华中科技大学同济医学院医药卫生管理学院，武汉 430030）
摘要： 目的：分析国内外临床指南计算机化的研究现状，了解主要的研究方向与关键技术，以期为同行提供参考。方法：通过文献研究和对比分析，对国内外指南计算机化的相关研究进行全面的概述。结果：国外临床指南计算机化的研究可归纳为指南的形式化表达、指南的知识获取和规范、与电子健康档案或组织工作流的集成、临床指南计算机化的验证、执行与维护等方面，常见的模型语言有Asbru、EON、GLARE、GLIF、SAGE等。国内目前在此领域的研究较少，还未形成系统性的研究，与国外存在很大差距。结论：需要更多的学者投入到该领域的研究中来，借鉴国外的先进经验，构建适合中文临床指南的计算机化研究。
The study of computerized clinical guideline
ZENG Ke, LIU Hai-tong, ZHANG Shi-jing
(Tongji Medical College,Huazhong University of Science & Technology,Wuhan 430030,China)
Corresponding author:ZHANG Shi-jing
Abstract: Objective :Analyze the current situation of computerized clinical guideline, understand the main research direction and key technology, and provide reference for the peer. Methods :After literature research and comparative analysis, a comprehensive overview of the relevant research on computerized clinical guideline is summarized. Results: International computerized clinical guidelines researches focus on the aspects including formal expression, knowledge acquisition and specification, integration with electronic health records or organization workflow, computerized clinical guideline validation, implementation and maintenance. Asbru, EON, GLARE, GLIF, SAGE, et al. are the common modeling languages in the literature. At present, few researches in this field have been found in China and no systematic research has been formed, which shows a great gap between domestic and international research.
Conclusion More scholars need to be put into the field of research, and learn from the advanced experience overseas, to build some suitable researches for the computerized Chinese clinical guidelines.
Key words: Clinical Practice Guideline; Clinical Guideline; Computerization; Knowledge Representation; Ontology
1前言
临床实践指南（ Clinical Practice Guideline，CPG），中文通常将其称之为临床诊疗指南或临床指南，是以循证医学或专家共识为基础，由官方政府机构或学术组织撰写的医疗文件，用于帮助医生和病人针对特定的临床问题做出恰当的处理，决策适宜的卫生保健服务 [1]。临床指南提供一种有效的临床实践方针，它对特定病种诊疗过程进行系统全面的描述，能够避免临床医疗过程中由于医生个人或其它不确定因素所造成的医疗隐患，从而提高诊疗质量，降低医疗成本。由于临床指南的权威性和科学性，其对于指导临床实践和医学研究具有重要意义。但到目前为止，临床指南一直是以文本格式发布和使用的，即通过自然语言的形式来阐述病症的表现、治疗方案的选择、制定，并以文本的形式保存起来 [2]。临床工作者在利用指南时需要阅读大量的文本内容，很大程度上降低了临床人员的使用效率。文本形式的制约，不仅导致临床指南的内容不能被实时、准确的查询和浏览，更阻碍了指南在临床决策和实践中的有效应用，使其难以发挥真正的价值。相对电子病历等，临床指南的研究与利用明显落后于信息时代的发展。因此，让计算机去理解临床指南的结构、内容和逻辑关系，并将这些逻辑关系整合到用于临床工作的医护系统中去，就成为了一个重要的研究方向。将临床指南转换成计算机可理解的结构化格式，这个过程就是临床指南的计算机化 [3]。尽管国内已有一部分中文指南计算机化的研究，但多停留在理论探索阶段，真正能够在临床实践中成功应用的案例仍然很少，且与国外的研究水平差距较大。因此，探索中文临床指南计算机化的研究具有十分重要的现实意义。
基于此，本文拟对国内外临床指南计算机化的研究现状进行分析，深入了解国外指南计算机化的研究方向与关键技术，探讨目前我国该领域研究中面临的问题，以期帮助同行把握临床指南计算机化的研究方向与前沿热点，促进我国指南计算机化研究与国际接轨，为中文临床指南计算机化研究提供可资借鉴的参考。
2国外临床指南计算机化的相关研究
2.1 国外研究现状
目前，国外在指南计算机化方面已经展开了大量研究。本文通过文献分析，将指南计算机化的相关研究归纳为以下几方面：
2.1.1指南的形式化表达 [4]
利用建模语言，将指南的结构、临床行为、临床过程及其逻辑关系抽象为具体的工程学模型来表述。目前，主要的临床指南表达模型包括：
2.1.1.1文档模型
根据人工智能和自然语言处理等技术，对文本指南整理标注，通过人工标签的方式，将指南加工成一篇计算机可以理解的新文档，指南元素模型（ Guideline Elements Model， GEM）[5]是其中的代表。 GEM是一种采用 XML的指南文档知识模型，最早由 Shiffman的研究团队开发。该模型可以存储和组织在临床实践中的异构信息。 GEM定义了 110个元素，用于表示指南的开发者、目的、目标人群等内容。
2.1.1.2决策树和概率模型
一些研究团队也将指南的算法知识表示为决策树。 Isabelle Colombet[6]等将决策树模型用于指南知识的概念化组织。 Seroussi B[7]等则直接将指南知识形式化表示为决策树。结合概率和效益分析的决策树模型还可以用来分析最适合患者的决策。
2.1.1.3任务网络模型任务网络模型将临床指南算法分层分解到任务组件的网络中 [8]。典型的任务网络模型语言有以下几种：
（1）Asbru
Asbru是由 Ben Gurion University与 Vienna University of Technology联合开发的临床指南表达语言， Asbru允许直接表达指南目的、病人状况和开药行为等，且包含时间模式[9]。行动、计划及目的构成了 Asbru的基本概念。一个计划由一组亚计划构成，亚计划指不能再被分解的行动。计划有各种状态：开始、完成、暂停、重新开始和放弃，计划可以是相续的、并行的或循环的。 Asbru现已投入使用，并仍在继续开发中。
（2）EON
EON是斯坦福大学医学信息学系建立的临床指南知识表达模型，其目的是构建一套基于组件和接口的体系结构，使开发者能够利用其构建临床决策支持系统 [10]。
（3）GLARE
GLARE[11]是一个用于获取、表示以及执行领域内临床指南的域独立系统，该系统开发的目的在于能够使用可视化的图形编辑工具，在提出假设条件的前提下编辑临床指南流程图，编辑的临床指南流程图主要是由既定的被称为 “原子行为”的图形符号构建而成的[12]。所谓原子行为 (atomic actions)即为在临床行为中不可再被分割的行为如工作行为（work actions）、查询行为（ query actions）、决策行为（ decisions）和结论 (conclusions)等。GLARE可以提供一种模拟从不同途径获得结果的方法，也能够指定在临床指南开发及应用中的时间发布，具有良好的时间推理性能 [13]。
（4）GASTON
GASTON是一套促进计算机可判断的、基于指南的决策支持系统发展应用的方法和平台,使用原语和本体来代表医疗领域和问题解决方法（ PSMs）[14],其初始的类集来源于 GLIF2.0。指南与需要解决的任务相关联，每个任务又可以被指定为一个原语、子指南的集合或一个 PSM，比如：任务选择、监控任务、准备任务和响应任务 [15]。基于目的的 PSMs可用来指定或执行 GASTON指南。
（5）GLIF
GLIF（GuideLine InterChange Format）[16]是由哈佛大学、哥伦比亚大学以及斯坦福大学组成的 InterMed合作项目的研究者开发的，用来将临床指南表示成机器可读格式的模型，实现机构以及临床决策支持系统之间的指南共享。 GLIF能够在不同医疗机构和系统平台上应用并与电子病历系统进行整合 [17]。其定义了一个指南表达本体和一个医学本体，其中医学本体的作用是完成从指南表达到电子病历的映射。目前， GLIF3已建立了基于 Protégé的抑郁、流感等编码化指南本体和有效性工具的实例。
（6）HELEN
与 GLIF3相似，HELEN[18]的本体算法步骤包括行动、决策、分支和嵌套子计划。每个算法都必须要求有一个开始步骤，每个算法的分支必须在诊断步骤出现时停止。
（7）NewGuide
NewGuide[19]强调流程：使计算机化的指南与组织工作流相适应，管理异常，当合理特殊的情况出现时， NewGuide允许在一定限度内偏离指南建议。
（8）PROforma
PROforma[20]特地建立了一个简单的任务模型，该模型能够进行指南建模。 PROforma中任务模型的一个特殊属性是 “arguments”，“arguments”表示赞成或反对某一特定候选决策的规则。“arguments”逻辑化的条件，可以影响候选决策是否被推荐，这就是基于争论的逻辑。
（9）Arden Arden[21]语言将医学知识表示为独立的单元一一医学逻辑模块，并且区分出通用的医学逻辑与特定机构中存储的不同的病人信息。 Arden能直接将数据、触发事件及消息与目标用户连接。
（10）SAGE
SAGE（Sharable Active Guideline Environment）[22]项目开始于 2002年，是 IDX 公司、斯坦福医学信息中心、 Mayo医学中心、内布拉斯加州大学、 Intermountain 医疗保健公司以及 Apelon之间的合作项目。其集成了已有模型的优点，同时建立医学标准，实现共同操作分布式决策支持系统的机制。 SAGE 的最终目标是创立底层架构，使得指南能够在不同的临床信息系统中执行。 SAGE模型具有以下特点 [23]：
1 SAGE采用事件驱动方式，与临床工作流相结合，强调在合适的时机提供适当的临床决策支持；
2标准化表示：采用基于 HL7 V3 RIM的数据模型，利用 SNOMED CT、LONIC编码作为医学术语表示的标准。这些标准，使得模型对外表现为统一接口，方便了临床指南知识表达模型集成到电子病历系统以及与其他指南表达模型的知识共享，为兼容多个指南表达模型的临床指南知识表达框架的出现奠定了基础。
2.1.2指南的知识获取和规范
指南计算机化建模语言的目的将文本格式的指南转化为清晰、正确、结构化的计算机可读模式。其中，非常重要的一步是对指南中知识的层级关系和结构进行划分，对其中的显性知识进行明确表达，并对隐性知识进行补充和说明。但很多研究人员发现这个过程并不容易。 Patel[24]的团队在研究中提出了使用认知分析方法来提高指南知识提取的质量，认知分析可以解释人们如何获取信息并用其来解决问题。Elpiniki[25]等人采用模糊认知图和语义网络工具来实现指南的知识表达和推理。
2.1.3指南计算机化与电子健康档案、组织工作流的集成
为了使计算机化的指南与电子健康档案建立关联， Peleg等开发了基于本体的映射器[26]。在指南中提取概念与特定电子病历之间建立关联时，使用映射本体将指南中的提取概念逐步映射到 EMR编码上，并自动产生 SQL查询语句提取 EMR数据 [27]。GLIF3提出的分层表达临床术语的方法可以辅助指南中临床概念和患者数据在 EMR中的映射。R Chen等将 openEHR的 EHR参考模型、数据结构和数据类型作为本体映射器中集成工作流的 EHR的基本构件，分析了 EHR、指南和工作流之间的关系，并用原型追踪临床诊疗活动与指南中的决策规则表达之间的关联 [28]。在指南的具体实施过程中，首先从指南文本中进行场景分析和概念设计，然后建立指南模型，最后针对临床行为实施后的数据采集建立了相应的 openEHR原型。通过 openEHR框架促进相关信息系统的稳定性和互操作性，实现基于指南的工作流与 EHR的集成。该研究主张 HL7 Unified Service Action Model（USAM）、消息（ Message）、文档（ CDA）等标准及 openEHR相关标准与指南模型之间的协同与集成，提示要参照一个外部的指南表达标准，但还没有进一步的研究结果。
2.1.4临床指南的验证
（1）一致性验证
Duftschmid和 Miksch[29]开发了基于知识缺陷（异常）检测的方法，用于证明一致性。在此方法中，为了便于检测出 Asbru计算机化指南的缺陷，需要在知识库中提取特定的指南知识。
（2）满意度验证
带有时间 -逻辑属性的计算机化指南规范的满意度验证有很多方法，主要包括理论证明和模型检验两种。模型检验需要对指南中所有路径进行详细检验 [30]。Pérez和 Porres[31]采用了一种模型驱动的方法来编写和验证临床指南。他们使用 UML状态图来表示指南动态，并通过编译指南产生一个基于指南的决策支持系统。基于状态图的决策支持系统可以在指南应用期间为医生的决策提供指导。理论证明探索一个理论的逻辑推导[32]。ten Teije A等人使用理论证明来对新生儿黄疸相关指南的满意度进行了验证 [33]。
2.1.5指南计算机化的执行与维护主
要包括指南计算机化的实施工具，异常和故障处理、计算机化指南的符合性分析、可视化以及共享等内容。
2.2国外研究的特点
国外在临床指南计算机化方面开展的研究较为广泛，涉及到指南的形式化表达、指南的知识获取和规范、与电子健康档案或组织工作流的集成、临床指南计算机化的验证、执行与维护等多个方面。不同模型语言对指南的抽象方式具有不同的特点，以 GEM为代表的模型侧重于对指南文本进行整理、标注以及人工标签，将指南加工成一篇计算机可以理解的新文档；以 GLARE、GLIF、SAGE为代表的模型侧重于以流程图、决策图的方式形象化地呈现指南的知识及知识的逻辑关系。总的来看，国外多数研究有权威的机构和研究团队提供支撑，研究较有系统性，研究程度较深，采用的关键技术较为成熟。但能大规模投入应用的模型较少，在应用方面具有一定局限性。
3国内临床指南计算机化的相关研究
3.1 国内研究现状
国内对于计算机化临床指南的研究起步较晚，相对研究也比较落后。指南计算机化的过程基本按照国外已有的建模流程进行。
浙江大学郭玮 [34]等进行了数字化临床指南的可视化表达研究。选择糖尿病临床指南作为可视化案例，并将破伤风防治的临床指南实现可视化。使用临床指南表达模型将临床指南首先数字化为医学逻辑模块，然后利用可伸缩矢量图形语言将其可视化。强调指南的标准性，同时将临床指南中每个独立的诊断过程表达为单独的数字化临床指南。
第四军医大学刘丹红、叶青 [17]等研究了高血压防治指南电子文档构建。通过《中国高血压防治指南（ 2009年版）》的分析、提炼和编码，将其中的规则表示为 32张流程图；从指南流程图节点中提取了 82个数据元素，并将其归类到 HL7-vMR的目标、观察、健康问题和用药四个类中。按照 HL7-CDA的架构和已有的 CDA模版设计了结构化高血压患者电子健康文档，并对构建的本体进行了对比验证。
西安电子科技大学赵延[35]等对基于本体的开放式临床指南学习工具进行了研究与实现。作者利用 OWL（Ontology Web Language）语言，设计出基于本体的临床指南知识建模表示方法，并开发了一个开放式临床指南学习工具，采用案例研究对工具的性能进行评价。
解放军总医院的李毅 [3]等通过分析 GLIF框架的结构和领域本体，利用《中国心血管防治指南》和神经疾病本体对 GLIF进行扩展，以急性脑梗死静脉溶栓治疗为例，对中文神经内科疾病治疗指南进行计算机化。
湖北工业大学的湛兴梦 [13]等进行了临床指南的可视化表达与形式化转换的研究。选择医学流程图作为可视化知识采集工具，在提出用于临床知识建模的元素后设计出了对应于每一种模型元素的知识转化模块，并使用计算机科学的相关技术对模型进行转换编码，设计出了临床指南知识的采集工具 ——CGET工具，并结合小儿尿道感染经典案例对具体算法进行了介绍。
3.2国内研究的特点
目前国内的研究方向大多集中在指南知识的可视化表达和转换以及指南与电子健康档案的集成，对指南的知识获取和规范方式、指南计算机化的验证、执行与维护等方面的研究较少。多数研究立足于 GLIF、SAGE等国外已有的较成熟的模型，且针对破伤风、高血压、神经内科疾病、小儿尿道感染等常见的单一病种的指南。此外，多数研究处于理论探索阶段，未对计算机实现的要求以及大规模的应用推广进行探究。
4总结
对比国内外指南计算机化的研究现状，可以发现，目前国内研究尚存在诸多问题： ○
1缺乏理论和技术支撑，多直接采用国外较为成熟的建模理念和模型语言，鲜有自主开发的模型。○ 2对临床指南的计算机化表达多侧重于指南的知识表示，对指南的结构和知识的逻辑关系缺乏针对性研究，难以形成可检索的指南结构；○ 3指南知识的表达模式较为单一，对不确定知识的表达研究仍处于探索阶段，难以应对复杂的临床环境；○ 4多借鉴国外已有的临床指南本体进行应用开发和测试，缺乏对这些本体在中文环境下的适用性研究，直接构建中文计算机化指南本体的研究较少；○ 5已有的指南本体多针对某一具体领域的指南，缺少能够描述所有临床指南共有属性的本体。
临床指南的计算机化对于临床路径优化和临床决策支持具有重要意义。指南计算机化是个复杂的过程，需要更多的研究人员投入到该领域的研究中来，开展大范围的系统性研究，构建适用于中文临床指南的计算机化模型，以便使临床指南更好地服务于医疗决策，提升医疗质量。
参考文献
[1] 赵亚利 ,崔树起 . 国际临床实践指南的研究进展 [J].全科医学临床与教育,2004,03:176-178+184.
[2]何雨生, 孙宏宇. 计算机化临床实践指南研究进展[J].中国数字医学, 2007(01):10-15.
[3]李毅, 赵军平 , 李书章 . 计算机化临床实践指南的研究和实现 [J].中国医疗器械杂志, 2009(06):407-409.
[4] Peleg M. Computer-interpretable clinical guidelines: A methodological review[J]. Journal of Biomedical Informatics, 2013,46(4):744-763.
[5] Shiffman RN, Karras BT, Agrawal A, Chen R, Marenco L, Nath S. GEM: a proposal for a more comprehensive guideline document model using XML[J]. J Am Med Inform Assoc, 2000,7(5):488–98.
[6] Colombet I, Aguirre-Junco A-R, Zunino S, Jaulent M-C, Leneveut L, Chatellier G. Electronic implementation of guidelines in the EsPeR system: a knowledge specification method[J]. Int J Med Inform, 2005,74(7–8):597–604.
[7] Seroussi B, Bouaud J, Antoine E-C. ONCODOC: a successful experiment of computer-supported guideline development and implementation in the treatment of breast
cancer[J]. Artif Intell Med, 2001,22(1):43–64.
[8] González-Ferrer A, Ten Teije A, Fdez-Olivares J, et al. Automated generation of patient-tailored electronic care pathways by translating computer-interpretable guidelines into hierarchical task networks[J]. Artificial Intelligence in Medicine, 2013,57(2):91-109.
[9] Shahar Y, Miksch S, Johnson P. The Asgaard project: a task-specific frameworkfor the application and critiquing of time-oriented clinical guidelines[J]. ArtifIntell Med, 1998,14(1–2):29–51.
[10] Musen MA, Tu SW, Das AK, Shahar Y. EON: a component-based approach to automation of protocol-directed therapy[J]. J Am Med Inform Assoc, 1996,3(6):367–88.
[11] Anselma L, Terenziani P, Montani S, Bottrighi A. Towards a comprehensive treatment of repetitions, periodicity and temporal constraints in clinical guidelines[J]. Artif Intell Med, 2006,38(2):171–95.
[12] Terenziani P, Molino G, Torchio M. A modular approach for representing and executing clinical guidelines[J]. Artificial intelligence in medicine, 2001,23(3): 249-276.
[13] 湛兴梦. 临床指南的可视化表达与形式化转换的研究 [D].湖北工业大学 , 2014.
[14] Latoszek-Berendsen A, Talmon J, de Clercq P, Hasman A. With good intentions[J]. Int J Med Inform, 2007,76(Suppl. 3):S440–6.
[15] Latoszek-Berendsen A, de Clercq P, van den Herik J, Hasman A. Intentionbased expressions in GASTINE[J]. Methods Inform Med, 2009,48(4):391–6.
[16] Mor Peleg, Aziz A. Boxwala, Samson Tu, Robert A. Greenes, Edward H. Shortliffe, Vimla L. Patel. Handling Expressiveness and Comprehensibility Requirements in GLIF3 [M]. IOS Press, 2001, 241-5.
[17] 叶青. 高血压防治指南本体开发与电子文档构建 [D].第四军医大学 , 2012.
[18] Skonetzki A, Gausepohl HJ, van der Haak M, Knaebel S, Linderkamp O, Wetter T. HELEN, a modular framework for representing and implementing clinical practice guidelines[J]. Methods Inf Med, 2004,43(4):413–26.
[19] Ciccarese P, Caffi E, Quaglini S, Stefanelli M. Architectures and tools for innovative health information systems: the guide project[J]. Int J Med Inform, 2005,74(7–8):553–62.
[20] Isern D, Sánchez D, Moreno A. Ontology-driven execution of clinical guidelines[J]. Computer Methods and Programs in Biomedicine, 2012,107(2):122-139.
[21] Poikonen J. Arden Syntax: The emerging standard language for representing medical knowledge in computer systems[J]. AMERICAN JOURNAL OF HEALTH-SYSTEM PHARMACY, 1997,54(3):281-284.
[22] Tu SW, Campbell JR, Glasgow J, Nyman MA, McClure R, McClay J, et al. The SAGE guideline model : achievements and overview[J]. J Am Med Inform Assoc, 2007,14(5):589–98.
[23] SAGES G C. SAGES guideline for clinical application of laparoscopic bariatric surgery[J]. Surgery for Obesity and Related Diseases, 2009,5(3):387-405.
[24] Patel VL, Arocha JF, Diermeier M, Shortliffe EH, Greenes RA. Methods of cognitive analysis to support the design and evaluation of biomedical systems: the case of clinical practice guidelines[J]. J Biomed Inform, 2001,34(1):52–66.
[25] Papageorgiou E I, Roo J D, Huszka C, et al. Formalization of treatment guidelines using Fuzzy Cognitive Maps and semantic web tools[J]. Journal of Biomedical Informatics, 2012,45(1):45-60.
[26] Peleg M, Keren S, Denekamp Y. Mapping computerized clinical guidelines to electronic medical records: knowledge-data ontological mapper (KDOM) [J]. J Biomed Inform, 2008,41:180–201.
[27] German E, Leibowitz A, Shahar Y. An architecture for linking medical decision-support applications to clinical databases and its evaluation[J]. J Biomed Inform, 2009, 42(2): 203–218.
[28] Chen R. Representing a Chemotherapy Guideline Using open EHR and Rules. [J] IOS Press.2009.
[29] Duftschmid G, Miksch S. Knowledge-based verification of clinical guidelines by detection of anomalies[J]. Artif Intell Med, 2001,22(1):23–41.
[30] Bottrighi A, Giordano L, Molino G, et al. Adopting model checking techniques for clinical guidelines verification[J]. Artificial Intelligence in Medicine, 2010,48(1):1-19.
[31] Pérez B, Porres I. Authoring and verification of clinical guidelines: a model driven approach[J]. J Biomed Inform, 2010,43(4):520–36.
[32] Domínguez E, Pérez B, Zapata M. Towards a traceable clinical guidelines application[J]. A model-driven approach. Methods Inform Med, 2010,49(6):571–80.
[33] ten Teije A, Marcos M, Balser M, van Croonenborg J, Duelli C, van Harmelen F,et al. Improving medical protocols by formal methods[J]. Artif Intell Med, 2006,36(3):193–209.
[34] 郭玮. 基于 Arden语言的临床诊疗指南的可视化表达 [D].浙江大学, 2007.
[35] 赵延. 基于本体的开放式临床指南学习工具的研究与实现 [D].西安电子科技大学 , 2013.
[作者简介 ] 曾可（ 1992-），女，四川乐山人，在读硕士，发表论文 2篇。Email: zengke12369@
- com。
[通讯作者 ] 张士靖( 1958-)，女，广西柳州人，教授，硕士生导师，出版专著 1 部，核心期刊发表学术论文 50余篇。研究领域 : 情报语言学、医学信息分析、信息素养等。 Email: zhangsj9999@ 163.com。
