在当前医院高质量发展的大背景下，信息化建设已成为推动医院现代化的关键因素。国家卫生健康委和国家中医药局的相关政策文件，明确了智慧医院建设的重要性，并将其作为评价公立医院发展水平的重要指标。
在智慧医院建设的大潮中，临床决策支持系统（CDSS）已成为提升医疗服务质量和效率的关键技术。
临床决策支持系统（clinical decision support system，CDSS）是一种计算机化的信息系统，旨在直接向医疗专业人员提供临床决策支持。这种系统利用患者的医疗数据、最新的医学知识、以及临床指南和规则，来辅助医生和其他医疗工作者在诊断、治疗、患者管理以及其他临床决策过程中做出更加准确和有效的选择。
CDSS的定义可以追溯到1997年，由医学信息学领域的专家Musen提出，他认为CDSS是“任何将临床数据作为输入信息，将推论结果作为输出信息，有助于临床医生决策并被用户认为具有‘智能性’的软件”。这个定义强调了CDSS的核心功能：处理临床数据，提供基于证据的推论结果，以及辅助医疗决策过程。
CDSS的目标是通过减少医生认知的局限性、减少人为疏忽、提供及时的临床提醒和警示，以及促进循证医学的实践，来提高医疗质量和患者安全，同时降低不必要的医疗费用。随着医疗信息技术的发展，CDSS已经成为现代医疗体系中不可或缺的一部分，它通过集成到电子健康记录（EMR）系统中，或者作为独立的应用程序，为医疗决策提供实时的支持。
临床决策支持系统（CDSS）的发展历程是与计算机科学和医学信息学的进步紧密相连的。
在20世纪60年代，随着计算机技术的出现，人们开始探索如何将计算机应用于医疗决策支持。这一时期的系统通常是基于规则的专家系统，如用于诊断感染性疾病的MYCIN。
专家系统在这一时期得到了显著的发展，它们能够模拟专家的决策过程。MYCIN系统是这一时期的代表，它能够提供关于细菌性脑膜炎的诊断和治疗建议。
这一时期，更多的临床决策支持系统开始出现，它们拥有更加复杂的知识库和推理机制。系统开始集成到临床实践中，如INTERNIST-1系统，它提供了广泛的内科疾病诊断支持。
随着互联网的普及，CDSS开始通过网络提供服务，使得医疗信息更加容易获取。此外，CDSS开始与医院信息系统（HIS）和电子病历（EHR）集成，提高了临床决策的实时性和相关性。
在这一时期，CDSS开始更多地依赖于大型临床数据库和循证医学原则。系统不仅提供诊断支持，还开始提供治疗建议、药物剂量监测、患者安全警示等功能。
人工智能（AI）和机器学习（ML）技术的发展为CDSS带来了新的机遇。系统能够通过学习大量的医疗数据来提高其预测和建议的准确性。自然语言处理（NLP）技术的应用也使得CDSS能够更好地理解和处理非结构化的临床文本数据。
随着基因组学和个性化医疗的发展，CDSS开始整合患者的遗传信息和其他生物标志物数据，以提供更加个性化的治疗建议。同时，系统的设计也越来越注重用户体验和临床工作流程的无缝集成。
整体来看，CDSS的发展历程反映了医疗信息技术的进步，以及医疗领域对于提高决策质量和患者安全需求的不断增长。
2023年7月17日，国家卫健委印发《医疗机构临床决策支持系统应用管理规范（试行）》（以下简称《规范》），在智慧医院建设中被视为“必选项”的CDSS迎来了规范性文件。
作为决策辅助工具，CDSS应满足三项基本要求：
（一）临床知识来源应具有权威性，包括但不限于法律法规、部门规章、规范性文件，国家认可的药品说明书、医疗器械注册证、临床路径、临床诊疗指南、技术操作规范、标准、医学教材、专家共识、专著、文献等。 （二）临床知识库应及时更新，更新周期一般不长于半年。知识库内容应有退出机制，对不适用的知识应及时删除或更新。 （三）CDSS的使用应留存审计日志，可对使用情况进行溯源评价。 医疗机构实施CDSS也应具备三项条件： （一）医疗机构应具备较为完备的医疗信息系统基础，包括但不限于医疗机构信息平台、电子病历系统、医院信息管理系统、医嘱系统、病案系统、医务质控系统、实验室信息管理系统、医学影像系统、放射信息管理系统等。 （二）医疗机构各系统应实现系统整合、互联互通或数据共享。 （三）医疗机构信息系统中的数据应统一、规范、完整、准确，并能够为CDSS提供所需的结构化数据。 提升诊疗质量：CDSS通过整合临床数据和医学知识，为医生提供基于证据的决策支持，有助于提高诊断的准确性和治疗的有效性。 优化资源配置：系统能够协助医院更高效地分配医疗资源，减少不必要的检查和治疗，从而降低医疗成本，提高运营效率。 改善患者体验：CDSS的应用可以缩短患者等待时间，提供个性化的医疗服务，增强患者满意度。 促进医疗安全：通过药物相互作用监测、不良反应预警等功能，CDSS有助于降低医疗差错，保障患者安全。 支持医疗研究：CDSS收集的大量临床数据为医学研究提供了宝贵的资源，有助于推动医学科学的进步。 1、评估体系不完善：目前缺乏统一的CDSS评估标准，使得用户难以量化系统带来的实际价值。需要开发量化的评估方法来衡量CDSS对临床工作流程和结果的改善。 2、知识库构建与维护难度：高质量的知识库是CDSS的核心，但构建和维护这样一个知识库需要巨大的成本和努力。医学知识的快速更新和多样性增加了这一挑战的复杂性。 3、系统设计与集成：CDSS需要与现有的医疗信息系统和工作流程紧密集成，但由于缺乏标准化，这一过程往往困难重重。 1、早期临床指南参与：在CDSS设计阶段，应邀请临床指南的发布者参与，共享已转化的CDS规则，提高行业效率。 2、指南计算机化：临床指南编写人员应与CDSS开发团队紧密合作，确保指南内容易于转化为计算机化规则。 3、标准化术语采用：在开发和实施过程中，应重视采用标准术语，简化映射工作，以促进不同系统间的数据共享。 4、系统模块化：探索CDSS的模块化，创建可共享的组件或服务模块，简化开发和部署流程。 5、结合实际临床流程：临床医生应参与CDSS的规则制定、设计和开发，确保系统与实际工作流程相匹配。 6、优化人机交互：改善CDSS的用户界面，帮助医生有效管理患者信息，减少预警疲劳。 未来，随着政策、技术和市场的不断成熟，CDSS有望成为中国医疗信息化建设的重要推动力。
