2022年醫院新興技術創新應用典型案例征集活動正在進行中，歡迎各醫療機構踴躍提交案例。CHIMA將組織專家對案例進行評選，入選典型案例將在CHIMA 2022大會路演并獲頒證書。

1項目簡介

　　廣州醫科大學附屬第二醫院(簡稱廣醫二院)，是一所集醫、教、研于一體的大型三甲綜合醫院，也是廣州市重要的醫療診治、醫學教育及醫學研究機構。廣醫二院腫瘤科成立于1993年，經過多年的探索發展，現在已經形成了具有一定規模和較高水平的區域性腫瘤研究及治療中心，在惡性腫瘤患者的化療、生物治療、靶向治療等腫瘤綜合治療實踐中，采用國際公認的患者評估和標準化治療方案，在提高腫瘤病人的生存質量、延長腫瘤病人的生存期方面取得了良好的成效。

　　根據國家癌癥中心最新的癌癥流行病學統計報告顯示，我國惡性腫瘤發病率和死亡率呈持續上升趨勢，年新發病例超過400萬，死亡病例超過240萬，其中胃癌的發病率和死亡率均位列第三，惡性腫瘤帶來的醫療衛生負擔十分沉重。但與此同時，在惡性腫瘤領域快速增長的循證醫學證據和不斷積累的臨床醫學知識背景下，傳統的臨床診療模式決策過程變得日益復雜，惡性腫瘤臨床診療面臨著諸多艱難挑戰。近年來，隨著醫院醫療信息化系統建設的日益完善和智慧醫療大數據應用技術的快速發展，廣醫二院逐步打通各業務信息系統，構建了全量臨床數據中心，并建設了基于大數據和人工智能(AI)技術的臨床決策支持系統(CDSS)，實現了臨床診療過程中的智能輔助決策支持。在此基礎上，腫瘤科臨床醫療專家與信息科技術專家共同深度合作，以胃癌患者病情評估與診療決策為試點，結合腫瘤醫療專家臨床實踐經驗、腫瘤循證醫學證據和腫瘤臨床診療指南等多維專業領域知識，構建了面向臨床決策支持的胃癌腫瘤知識圖譜，以及基于知識圖譜的腫瘤臨床分期和診療決策AI算法，并嵌入CDSS系統實現了臨床應用，協助腫瘤科及其他相關科室臨床醫生制定更加規范、精準、有效和安全的胃癌治療方案。

2建設與開發

　　(1)解決問題

　　隨著惡性腫瘤領域循證醫學證據的快速增長和臨床醫學知識的不斷積累，臨床醫生針對腫瘤患者的診療決策過程，包括診斷分期、病情評估、治療方案和適應證評估等決策過程正在變得日益復雜。而傳統的腫瘤臨床診療指南通常只提供相對模糊的非結構化的診療方向指導，臨床醫生在診療實踐中對指南的依從性不高，或多或少的需要依賴個人經驗和偏好做出臨床決策，在這種較大的不確定性情況下選擇的診療方案，可能會缺乏最佳證據支持，并最終影響腫瘤患者治療臨床獲益。

　　臨床決策支持系統(CDSS)，依托大數據處理及人工智能技術，銜接醫院各個業務系統，運用綜合信息處理能力，對電子病歷文本信息進行自然語言處理，形成多層次結構化數據，構建面向臨床醫生的輔助診療工具，幫助醫師優化診療方案，及時發現危險因素，有效規范診療行為，實現智能化的診療輔助決策。近年來，隨著CDSS相關技術的快速發展，其臨床應用日益廣泛，但目前國內腫瘤專科專病化臨床決策支持應用還比較少見。本案例通過構建胃癌腫瘤專病知識圖譜，建立基于循證醫學證據和臨床診療指南的腫瘤臨床診療決策算法，并嵌入CDSS系統，實現為復雜的腫瘤專科化臨床診療決策過程提供流程清晰的結構化的輔助決策建議。與經典指南相比，CDSS的腫瘤臨床診療決策算法根據有明確循證醫學證據和可評估的決策標準建立，可為任何給定患者情況提供即時明確的決策建議，有助于提高惡性腫瘤診療的規范性，幫助臨床工作者提高工作效率，減少治療偏倚和人為差錯，從而改善患者治療預后。

　　(2)服務對象與覆蓋范圍

　　本案例中基于胃癌腫瘤知識圖譜的臨床決策支持應用，包括胃癌輔助臨床分期與診療決策支持，可為胃癌診療相關臨床科室(包括腫瘤科、消化內科、胃腸外科等)的臨床醫生對患者進行腫瘤分期、病情評估和治療方案選擇提供輔助決策支持。在后續完成腫瘤病種知識圖譜與算法擴展后，預計可進一步為20余種惡性腫瘤診療提供輔助決策支持，覆蓋臨床常見多發惡性腫瘤類型。

3關鍵技術或產品描述

　　從底層數據到頂層應用的系統架構如下圖所示。底層由臨床數據中心、臨床醫學知識庫、臨床診療指南作為數據基礎，經過自然語言處理、數據清洗歸一、機器學習、知識建模等數據處理，整合得到醫院臨床最佳實踐庫、循證醫學最佳實踐庫和腫瘤醫學知識圖譜。通過算法分析、構建模型，搭建后臺支撐體系，支持前端臨床應用。

　　(1)病歷多層次醫療術語抽取

　　病歷文書及檢查報告等醫療文書利用的基礎在于非結構化文本的處理，這里使用病歷多層次醫療術語抽取方法，在本體的術語標準化基礎上，以極細的顆粒度，對癥狀、體征、持續時間、治療手段、治療效果等實體進行提取，并按照時間關系加以組織，最終完成醫療文書的后結構化處理，為形成醫院臨床最佳實踐庫和腫瘤知識圖譜提供數據支撐。

　　(2)腫瘤醫學知識圖譜構建

　　腫瘤醫學知識圖譜數據主要來源包括醫院歷史真實腫瘤病例診療數據和醫學專著指南文獻數據，非結構化數據經過自然語言處理(NLP)、清洗歸一等處理，抽取實體及關系，經過醫學專家審核補充完善，并基于ICD-10、SNOMED-CT、ICD-O-3(國際疾病分類腫瘤學專輯)等醫學標準術語集進行標準化處理，形成腫瘤醫學知識基礎圖譜，涵蓋常用臨床術語，例如：疾病、癥狀、體征、藥品、檢驗、檢查、手術、病理等。

　　(3)腫瘤分期輔助

　　依據國際公認的AJCC惡性腫瘤TNM分期標準，構建腫瘤輔助分期算法，現已支持包括胃癌、肺癌、結直腸癌、乳腺癌等在內的16種臨床常見惡性腫瘤分期方案，并提供臨床分期、病理分期和新輔助治療后分期等多種類型分期支持，有助于提高臨床惡性腫瘤分期的效率，全面科學評估腫瘤患者病情，提高診療方案的科學性和合理性，為后續腫瘤規范化治療奠定基礎。

　　(4)腫瘤診療決策算法

　　為滿足惡性腫瘤病種專病化診療決策支持，以胃癌臨床診療為試點，基于循證醫學證據和臨床診療指南分析，綜合臨床腫瘤專家和信息技術專家意見，構建胃癌診療決策路徑模型，并進一步開發了包含32條決策路徑和58個關鍵決策節點的胃癌臨床診療決策推薦算法，推薦內容涵蓋胃癌綜合治療、手術治療、新輔助治療、輔助放化療及其推薦等級和證據類別，并通過決策樹形圖直觀展示，實現診療決策過程的可視化。推薦算法可支持其它惡性腫瘤病種擴展。

　　(5)系統集成與數據實時處理

　　CDSS實現了與電子病歷系統集成和實時數據傳輸，提供的診斷分期、治療方案推薦等臨床應用，要求有一定的實時性，系統根據當前患者的基本信息、病歷、檢查/檢驗指標變化，提供及時推薦和提醒。對臨床業務系統與CDSS之間的信息交互，以及CDSS的處理服務都提出了更高要求。

4應用效果

　　自2021年10月本項目啟動以來，已完成了胃癌腫瘤知識圖譜和胃癌診療決策路徑模型構建，完成包括胃癌在內的16種常見惡性腫瘤TNM分期算法開發，支持臨床分期、病理分期、新輔助治療后分期輔助。完成了胃癌治療臨床決策算法的開發，包含32條臨床決策路徑和58個臨床關鍵決策節點，支持胃癌綜合治療、手術治療、新輔助治療、輔助放化療等的輔助決策支持。實現上述算法嵌入CDSS系統，與電子病歷系統集成和實時數據傳輸，方便臨床醫生在日常診療工作中隨時便捷使用。系統上線臨床醫生實際應用后反饋，系統設計既符合臨床診療指南規范，又貼合臨床醫生使用習慣，邏輯嚴謹，結構清晰，流程直觀可視。系統上線后，日均觸發統計約99次，大大提高了臨床醫生腫瘤分期和患者病情評估的工作效率，促進了腫瘤診療決策的規范化。

5總結與規劃

　　面向臨床決策支持的胃癌腫瘤知識圖譜構建有助于提高惡性腫瘤診療的規范性，幫助臨床工作者提高工作效率。廣醫二院未來將進一步豐富完善惡性腫瘤病種知識圖譜，支撐20余種臨床常見惡性腫瘤的分期與診療決策輔助支持應用。同時，醫院持續更新診療決策路徑模型及其算法，保持與最新臨床腫瘤領域循證醫學證據和臨床診療指南知識同步更新，進一步完善腫瘤診療決策支持閉環建設，實現惡性腫瘤診斷、分期、評估、治療和療效評估等的全流程決策支持和閉環管理，提高惡性腫瘤診療規范性，改善惡性腫瘤患者治療預后。

　　申報單位：

　　廣州醫科大學附屬第二醫院

　　聯合申報單位：

　　北京嘉和海森健康科技有限公司

　　案例技術方向：

　　大數據

　　案例業務領域：

　　臨床應用