面向临床决策支持的胃癌肿瘤知识图谱构建与应用

　　2022年医院新兴技术创新应用典型案例征集活动正在进行中，欢迎各医疗机构踊跃提交案例。CHIMA将组织专家对案例进行评选，入选典型案例将在CHIMA 2022大会路演并获颁证书。

1项目简介

　　广州医科大学附属第二医院(简称广医二院)，是一所集医、教、研于一体的大型三甲综合医院，也是广州市重要的医疗诊治、医学教育及医学研究机构。广医二院肿瘤科成立于1993年，经过多年的探索发展，现在已经形成了具有一定规模和较高水平的区域性肿瘤研究及治疗中心，在恶性肿瘤患者的化疗、生物治疗、靶向治疗等肿瘤综合治疗实践中，采用国际公认的患者评估和标准化治疗方案，在提高肿瘤病人的生存质量、延长肿瘤病人的生存期方面取得了良好的成效。

　　根据国家癌症中心最新的癌症流行病学统计报告显示，我国恶性肿瘤发病率和死亡率呈持续上升趋势，年新发病例超过400万，死亡病例超过240万，其中胃癌的发病率和死亡率均位列第三，恶性肿瘤带来的医疗卫生负担十分沉重。但与此同时，在恶性肿瘤领域快速增长的循证医学证据和不断积累的临床医学知识背景下，传统的临床诊疗模式决策过程变得日益复杂，恶性肿瘤临床诊疗面临着诸多艰难挑战。近年来，随着医院医疗信息化系统建设的日益完善和智慧医疗大数据应用技术的快速发展，广医二院逐步打通各业务信息系统，构建了全量临床数据中心，并建设了基于大数据和人工智能(AI)技术的临床决策支持系统(CDSS)，实现了临床诊疗过程中的智能辅助决策支持。在此基础上，肿瘤科临床医疗专家与信息科技术专家共同深度合作，以胃癌患者病情评估与诊疗决策为试点，结合肿瘤医疗专家临床实践经验、肿瘤循证医学证据和肿瘤临床诊疗指南等多维专业领域知识，构建了面向临床决策支持的胃癌肿瘤知识图谱，以及基于知识图谱的肿瘤临床分期和诊疗决策AI算法，并嵌入CDSS系统实现了临床应用，协助肿瘤科及其他相关科室临床医生制定更加规范、精准、有效和安全的胃癌治疗方案。

2建设与开发

　　(1)解决问题

　　随着恶性肿瘤领域循证医学证据的快速增长和临床医学知识的不断积累，临床医生针对肿瘤患者的诊疗决策过程，包括诊断分期、病情评估、治疗方案和适应证评估等决策过程正在变得日益复杂。而传统的肿瘤临床诊疗指南通常只提供相对模糊的非结构化的诊疗方向指导，临床医生在诊疗实践中对指南的依从性不高，或多或少的需要依赖个人经验和偏好做出临床决策，在这种较大的不确定性情况下选择的诊疗方案，可能会缺乏最佳证据支持，并最终影响肿瘤患者治疗临床获益。

　　临床决策支持系统(CDSS)，依托大数据处理及人工智能技术，衔接医院各个业务系统，运用综合信息处理能力，对电子病历文本信息进行自然语言处理，形成多层次结构化数据，构建面向临床医生的辅助诊疗工具，帮助医师优化诊疗方案，及时发现危险因素，有效规范诊疗行为，实现智能化的诊疗辅助决策。近年来，随着CDSS相关技术的快速发展，其临床应用日益广泛，但目前国内肿瘤专科专病化临床决策支持应用还比较少见。本案例通过构建胃癌肿瘤专病知识图谱，建立基于循证医学证据和临床诊疗指南的肿瘤临床诊疗决策算法，并嵌入CDSS系统，实现为复杂的肿瘤专科化临床诊疗决策过程提供流程清晰的结构化的辅助决策建议。与经典指南相比，CDSS的肿瘤临床诊疗决策算法根据有明确循证医学证据和可评估的决策标准建立，可为任何给定患者情况提供即时明确的决策建议，有助于提高恶性肿瘤诊疗的规范性，帮助临床工作者提高工作效率，减少治疗偏倚和人为差错，从而改善患者治疗预后。

　　(2)服务对象与覆盖范围

　　本案例中基于胃癌肿瘤知识图谱的临床决策支持应用，包括胃癌辅助临床分期与诊疗决策支持，可为胃癌诊疗相关临床科室(包括肿瘤科、消化内科、胃肠外科等)的临床医生对患者进行肿瘤分期、病情评估和治疗方案选择提供辅助决策支持。在后续完成肿瘤病种知识图谱与算法扩展后，预计可进一步为20余种恶性肿瘤诊疗提供辅助决策支持，覆盖临床常见多发恶性肿瘤类型。

3关键技术或产品描述

　　从底层数据到顶层应用的系统架构如下图所示。底层由临床数据中心、临床医学知识库、临床诊疗指南作为数据基础，经过自然语言处理、数据清洗归一、机器学习、知识建模等数据处理，整合得到医院临床最佳实践库、循证医学最佳实践库和肿瘤医学知识图谱。通过算法分析、构建模型，搭建后台支撑体系，支持前端临床应用。

　　(1)病历多层次医疗术语抽取

　　病历文书及检查报告等医疗文书利用的基础在于非结构化文本的处理，这里使用病历多层次医疗术语抽取方法，在本体的术语标准化基础上，以极细的颗粒度，对症状、体征、持续时间、治疗手段、治疗效果等实体进行提取，并按照时间关系加以组织，最终完成医疗文书的后结构化处理，为形成医院临床最佳实践库和肿瘤知识图谱提供数据支撑。

　　(2)肿瘤医学知识图谱构建

　　肿瘤医学知识图谱数据主要来源包括医院历史真实肿瘤病例诊疗数据和医学专著指南文献数据，非结构化数据经过自然语言处理(NLP)、清洗归一等处理，抽取实体及关系，经过医学专家审核补充完善，并基于ICD-10、SNOMED-CT、ICD-O-3(国际疾病分类肿瘤学专辑)等医学标准术语集进行标准化处理，形成肿瘤医学知识基础图谱，涵盖常用临床术语，例如：疾病、症状、体征、药品、检验、检查、手术、病理等。

　　(3)肿瘤分期辅助

　　依据国际公认的AJCC恶性肿瘤TNM分期标准，构建肿瘤辅助分期算法，现已支持包括胃癌、肺癌、结直肠癌、乳腺癌等在内的16种临床常见恶性肿瘤分期方案，并提供临床分期、病理分期和新辅助治疗后分期等多种类型分期支持，有助于提高临床恶性肿瘤分期的效率，全面科学评估肿瘤患者病情，提高诊疗方案的科学性和合理性，为后续肿瘤规范化治疗奠定基础。

　　(4)肿瘤诊疗决策算法

　　为满足恶性肿瘤病种专病化诊疗决策支持，以胃癌临床诊疗为试点，基于循证医学证据和临床诊疗指南分析，综合临床肿瘤专家和信息技术专家意见，构建胃癌诊疗决策路径模型，并进一步开发了包含32条决策路径和58个关键决策节点的胃癌临床诊疗决策推荐算法，推荐内容涵盖胃癌综合治疗、手术治疗、新辅助治疗、辅助放化疗及其推荐等级和证据类别，并通过决策树形图直观展示，实现诊疗决策过程的可视化。推荐算法可支持其它恶性肿瘤病种扩展。

　　(5)系统集成与数据实时处理

　　CDSS实现了与电子病历系统集成和实时数据传输，提供的诊断分期、治疗方案推荐等临床应用，要求有一定的实时性，系统根据当前患者的基本信息、病历、检查/检验指标变化，提供及时推荐和提醒。对临床业务系统与CDSS之间的信息交互，以及CDSS的处理服务都提出了更高要求。

4应用效果

　　自2021年10月本项目启动以来，已完成了胃癌肿瘤知识图谱和胃癌诊疗决策路径模型构建，完成包括胃癌在内的16种常见恶性肿瘤TNM分期算法开发，支持临床分期、病理分期、新辅助治疗后分期辅助。完成了胃癌治疗临床决策算法的开发，包含32条临床决策路径和58个临床关键决策节点，支持胃癌综合治疗、手术治疗、新辅助治疗、辅助放化疗等的辅助决策支持。实现上述算法嵌入CDSS系统，与电子病历系统集成和实时数据传输，方便临床医生在日常诊疗工作中随时便捷使用。系统上线临床医生实际应用后反馈，系统设计既符合临床诊疗指南规范，又贴合临床医生使用习惯，逻辑严谨，结构清晰，流程直观可视。系统上线后，日均触发统计约99次，大大提高了临床医生肿瘤分期和患者病情评估的工作效率，促进了肿瘤诊疗决策的规范化。

5总结与规划

　　面向临床决策支持的胃癌肿瘤知识图谱构建有助于提高恶性肿瘤诊疗的规范性，帮助临床工作者提高工作效率。广医二院未来将进一步丰富完善恶性肿瘤病种知识图谱，支撑20余种临床常见恶性肿瘤的分期与诊疗决策辅助支持应用。同时，医院持续更新诊疗决策路径模型及其算法，保持与最新临床肿瘤领域循证医学证据和临床诊疗指南知识同步更新，进一步完善肿瘤诊疗决策支持闭环建设，实现恶性肿瘤诊断、分期、评估、治疗和疗效评估等的全流程决策支持和闭环管理，提高恶性肿瘤诊疗规范性，改善恶性肿瘤患者治疗预后。

　　申报单位：

　　广州医科大学附属第二医院

　　联合申报单位：

　　北京嘉和海森健康科技有限公司

　　案例技术方向：

　　大数据

　　案例业务领域：

　　临床应用