臨床決策支持系統（CDSS）并非新事物，在個人電腦興起的時代，便有有心者看到了計算機輔助診斷的價值，試圖用程序構造一個虛擬“醫生”，美其名曰“專家系統”。

?

但那時簡單數據的一一映射并不能解決復雜的醫學問題。俗話說，醫診講究“望聞問切”，需要醫者通過多感官多渠道的信息獲取，加之邏輯的判斷，才能得到有效的答案。只是通過患者簡單的主訴，而不能將患者年齡、身體狀況、既往病史進行綜合判斷，這樣的“診斷”不過是碰碰運氣罷了。

?

近50年過去，當年的專家系統幾經迭代，已經從最初功能單一、關系獨立的查詢式系統逐步集成于臨床系統中。在知識方面，過去配置固定、硬編碼的知識體系已經發生改變，如今的CDSS定義更加寬泛，注重于醫生通過臨床數據分以提升醫療質量，在這個過程中，知識表達開始趨于標注化，知識共享也變得可以配置。

?

當前的CDSS發展應該抓住三個關鍵：一是數據驅動，將醫療過程中產生的健康數據有效利用起來，挖掘其中的邏輯與規律；二是可配置，在知識可配置的基礎上實現內容可配置、流程可配置；三是專科化，通過不同醫院不同科室的個性化數據形成契合精細場景的CDSS。

?

如果說前兩項方向確定了CDSS發展的精度，那么第三項專科化則是拓寬了市場的寬度，也正因為此，諸多玩家正涌入其中。

?

哪些企業駛入了這一賽道？

數年之間，有眾多上市公司與創業公司投身其中，其中不乏零氪科技、嘉和美康等獨角獸，騰訊、百度等互聯網巨頭，也有惠每科技、森億智能等等頗具實力的初創企業。

?

2018年11月，騰訊獲得“數字診療裝備研發”重點專項，開發人工智能輔助臨床決策支持系統AIACDSS，成為第一個闖入這個領域的互聯網巨頭。

?

僅僅過去四月，百度低調控股北京康夫子科技技術有限公司，并把醫療相關業務收歸如今的靈醫智惠旗下。截至收購時間，后者已在CDSS方向上深耕了近4年，相關的產品也裝進了幾十家基層醫療機構。

?

通過對相關領域進行掃描，動脈網發現了30家存在獨立CDSS 業務或項目的企業（許多信息化上市公司及信息平臺公司存在相關技術及服務，但沒有單獨設立產品，這里未做統計）。從規模來看，大部分企業位于B輪融資前，不到1/3的企業為上市公司。

?存在獨立CDSS業務的醫療企業（不完全統計）

數據來源于動脈橙數據庫、企查查

?

由于醫療信息化市場的高度分散化，創業公司的占比仍存在低估，尤其是部分僅將業務局限于本地范圍的信息化廠商，難以進入統計。不過，這些統計之外的企業仍能從中國招標采購網上的醫療信息化產品采購項目中尋得相關蹤跡。

?

從業務角度上來看，開發全科版本的CDSS系統以服務基層仍是眾多企業的首選，總計18家企業將其作為研發目標，另有13家企業開始選擇開發專科類CDSS，比較成熟的產品現有VTE 、心梗，以及兒科相關產品等。

?

全科CDSS與專科CDSS研發路徑、研發邏輯、市場規模的差異無疑是造成企業方向分離的主要原因。以同等投入來看，同樣一套全科版本的CDSS能夠在試點成功后迅速推入下一個區域，而專科版本的CDSS想要開拓新的場景，就必須重新對新場景的醫生習慣、臨床路徑、數據特征等因素進行分析，這意味著企業需要耗費更大的精力，才能打造一個可能被醫生所接受的產品。所以，擁有數據優勢的上市公司，如騰訊、百度、科大訊飛更傾向于構建知識圖譜解決基層問題，而非專研臨床解決科室問題。

?

值得注意的是，從基因數據切入以對臨床數據進行補足，進而完善醫生決策的企業在近兩年中開始出現。在2018年動脈網對于CDSS領域的統計中，暫未發現此類相關CDSS類企業，但本輪統計則出現了3家相關企業，分別為生命奇點、為朔醫學、安吉康爾。

?

分析這些企業過去的業務定位，大部分企業的CDSS業務是從其信息化基礎業務延伸而來，這意味著在打造CDSS之前，他們便擁有電子病歷、HIT、專科信息管理平臺等院內信息化經驗。從統計數據可以看出，有多達9家企業同時兼具AI、大數據挖掘等前沿技術，尤其是對于B輪前的創業公司而言，他們切入CDSS的邏輯并非想要打造一個獨立的CDSS產品，而是從AI影像輔助診斷出發，逐漸向就診上下游發展。

?

總的來說，相比于動脈網2018年的統計而言，當年以CDSS作為獨立產品的企業現在仍在不斷深入研發，而在近兩年中，又有更多企業進入其中，側面顯示了這一市場的潛力。

?

百度旗下的靈醫智惠便是其中的典型，這家公司主要沿著兩條路徑發展，其一是圍繞智慧醫療、智慧管理、智慧患者服務打入智慧醫療產業體系；其二便是以CDSS為核心為基層帶來普惠的醫療服務——CDSS已經成為百度發展醫療版塊的核心產品之一。

?

“專科”和“全科”走出不同的產品設計邏輯

眾多企業的進入促進了CDSS行業內的競爭，但具體到場景，我們還需要割裂地看待CDSS的發展問題。

?

全科CDSS作為當年專家系統設計者的終極夢想，這項技術已經在諸多醫院進行了落地，商業模式也有了雛形。

?

具體而言，它的作用主要存在于兩個方向，第一，模擬MDT，為大型醫院專家提供意見參考，預防專家決策死角；第二，落戶基層醫院，以提高基層醫療機構診斷能力。

?

大數醫達AI首席架構師林玥煜曾看到這樣一個例子：有一位患者腸道感覺不適，便在北京一家三甲醫院掛了專家號，但幾次檢查一下來，患者進行了各種化驗，也經歷了好幾輪專家會診，但仍然找不到問題所在。這個時候，一位非消化科的實習期博士看到這個病例后，才發現這個患者實際是免疫系統出了問題。

?

CDSS的作用便在于此：“專科醫生常常會被局限在自己的常用知識之中，漏掉部分考慮，這個時候，醫生便需要一個知識庫，為其羅列引發患者癥狀的多種可能，幫助專家喚起記憶，起到類似于多學科會診的作用。這將減少專家漏掉其他疾病的可能。”

?

現階段下，全科CDSS的更多作用還是在于基層。加之AI的輔助，這一系統的信息匹配準確率與匹配速度都大幅度上升。以靈醫智惠在北京平谷區馬坊社區衛生服務中心的應用為例，在該系統的輔助下，馬坊醫院前序問診耗時可降至約3分鐘，加上出具、打印病歷，整個過程大致耗時5分鐘。比較平時的就診，CDSS系統支持下的問診更為詳細，更多耗時，但若計算全流程時間，單個患者的時耗大幅減少。

?

總的來說，在分級診療大環境下，理想的全科版CDSS能夠為基層醫療提供標準化、高效、準確的診斷手段，輔助醫生作出患者是否需要轉診決定，以復制的方式，將聚集的優質醫療平等地覆蓋到每一個基層地區。

?

相比之下，專科CDSS不僅僅需要大量的知識庫進行數據支撐，更為關鍵的是，企業需要深入了解目標疾病的臨床診斷路徑。用惠每科技CEO張奇的話來說,專科CDSS的建立首先是個臨床問題，其次是一個技術問題。

?

具體而言，張奇將核心問題歸納于兩點：“一開始我們將注意力盡數放置于患者臨床治療過程，包括其中的病情變化、用藥數據變化、檢驗檢查、護理過程的數據變化，但即便是這樣，獲取的數據依然是不完備的，要做出好的CDSS，我們還需要關聯患者既往病史，加之院后隨訪的情況，綜合全流程診療數據，才能真正做到對患者的‘真實’了解。”

?

這便是企業稀于涉足專科CDSS的原因之一，要想獲得最佳的結果，企業必須處理非常長的流程，觸及到多達幾十套的信息化系統。“不同的業務系統有不同的接口，有不同的數據標準，不同的處理標準，所以，整個數據的采集標準化識別都是一個非常復雜的過程。”

?

第二個難點在于參數的多變性。與全科不同，醫生在對患者進行專科治療時，常常會面對一些病情嚴重的患者，有時甚至危及生命。“在這種情況下，CDSS要處理的變量會非常多，我們需要建立很高的數據質量標注與精準的模型以對患者情況進行分析，這需要花費非常大的精力。”

?

不過，也正是因為可能出現復雜多變的狀況，三甲醫院對于專科CDSS存在主觀上的需求。森億智能數據產品負責人表示：“除了滿足電子病歷評級需求外，醫院希望我們能夠輔助醫務管理，對部分病歷數據進行質控。此外，CDSS能夠幫助醫院建立規范化的臨床流程與標注化的臨床數據，加之可靠的臨床知識體系就形成了數據資產的積累，很多醫生看重了這一點，希望能夠通過這些沉淀進行后續的數據分析與科研工作。”

?

當然，專科CDSS的發展還處于初級階段，以現在的數據儲備來看，少有企業能夠獲得足夠多的覆蓋全流程的患者腫瘤數據，AI賦能下，CDSS必須擁有足夠的數據支撐才能合理運行，這也意味著，腫瘤領域隱藏著眾多的專科CDSS機會，這里存在著大片的藍海市場。

?

從三個成熟產品看CDSS行業的特征與發展趨勢

了解了醫生的需求與CDSS建立的問題，那么在實際之中，有效的CDSS系統是怎樣的？怎么維護革新這個產品？我們不妨將三個成熟的產品作為案例進行介紹。

?

大數醫達：基于電子病歷的AI全科CDSS如何突圍？

在全科版本的CDSS之中，數據好比是土壤，而信息處理技術則是肥料，兩者均是培育優秀全科CDSS必不可少的部分。

?

而從2015成立至今，大數醫達已經在CDSS領域打磨了近五年，積累起了海量的標準化患者數據。在數據之上，這家公司建立了有效的知識圖譜，用AI的方式將眾多患者數據與醫學知識結合成神經元式的知識網，這是其CDSS有別與競品的最大優勢之一。

?

大數醫達區域總經理盛潞偉告訴動脈網：“癥狀與病情常常是多對一的關系，比如說發熱癥狀，大量的病癥都與發熱相關，我們必須去探究更深層的邏輯。若只是看到患者咳嗽，就把所有咳嗽可能產生的癥狀全部羅列出來，這樣的CDSS是沒有價值的。”

?

“通過知識圖譜下的大數據分析，我們能夠按照病癥的輕重緩急；不同病癥之間的聯系；綜合給出一個合理的概率，這個過程之中會剔除掉明顯不可能的疾病，這樣的結果醫生才是可以使用的。”

?

目前，大數醫達多維CDSS臨床輔助決策系統已經具備電子病歷智能書寫、輔助診斷、推薦治療、智能內涵質控、醫療知識查詢等多個功能，是一個典型的全科版CDSS系統。在落地方面，該系統早已在廣東省清遠市陽山縣55個貧困村率先開始試點；廣東省15個地市2277個省級貧困村全面推廣。

惠每科技的院內VTE智能防控

靜脈血栓栓塞癥（VTE）不是某一個專科特發的疾病，術后、外傷、晚期癌癥、昏迷和長期臥床的病人均存在發生VTE的風險。但要判斷患者VTE的發病風險并不簡單，除了通過醫生本身的經驗判斷，更為權威的是通過Caprini血栓風險評估量表、Padua血栓風險評估量表等個體化VTE風險評估量模型，對患者進行分析評估。但由于VTE評估及其耗時，醫生必須在醫生本職工作與VTE篩防工作中進行取舍——這其實是在挑戰醫院本已短缺的資源。

?

惠每科技利用人工智能解決這個問題，對患者進行通過智能化的跟蹤、評分、監督。其中要解決的困難很多，“要讓計算機判斷患者‘一個月之內有沒有發生過腦梗’這個VTE風險因素信息，不僅要幫助機器理解腦梗發生的時間限制——事件應發生在近期如給定的一個月，不統計三個月、或是半年之前的腦梗事件。同時要判斷患者的疾病情況如分級分型，常常需要綜合既往病史、核磁報告等信息得出結論，傳統的信息系統完成不了這樣復雜的工作。”張奇向動脈網解釋到。

?

為了解決這些問題，惠每通過自然語言處理（NLP）技術實現病歷數據的語義理解，將描述性的自然語言進行結構化、標準化處理，深度學習算法還可以將個性化的病歷數據歸納入規則庫，結合臨床指南、各類量表建立VTE知識圖譜，提升最終機器模型的準確率，同時解決醫生面臨的“數據錄入難”、“數據分析難”兩大問題。

?

此外，基于人工智能的臨床決策支持功能可以幫助醫務人員進行自動評估，根據患者禁忌癥提醒預防醫囑的開立……通過AI質量控制將質控關口前移，進而解決了醫生VTE內涵質量的控制問題。

?

同時，惠每還會定期與醫生進行溝通，以滿足特定醫院的特殊要求，系統亦在臨床應用過程中愈加“智慧”。打個比方，惠每與中日友好醫院醫務等部門會通過定期例會溝通系統使用的反饋和建議，例如在VTE系統上線初期，臨床反饋原有的警示方式還不足以讓醫生能夠在第一時間清晰判斷CDSS警示的嚴重程度，對此，惠每增加不同顏色的提醒模式優化，讓醫生護士能夠在確認患者情況前，就對風險性有了初步了解，這一細節上的改變進一步提升了院內VTE防控系統的有效性。

?

森億智能出血評估與數據庫治理

以中文醫學自然語言處理技術起家的森億智能也在CDSS之中進行了多種嘗試，目前已在VTE、心內科、兒科、等方面創造了較為成熟的產品。在森億智能看來，做好專科CDSS系統，一定要摸清臨床診療的決策路徑，找出環節中的痛點，利用數據與知識加以解決。

?

盧翔表示：“以出血評估為例，采用量表評估時，出血臨床定義包含既往出血病史、出血體質、血液疾病這三個方面的數據。?這三個方面在臨床里面，可能存在50多種定義，這些定義的內容有些來源于檢驗指標，有些來源于病歷文本，有些來源于病史的一個診斷。如果僅靠醫生、護士去分析如此多的指標，一是工作量大，二是結果不能保證準確。但若通過自然語言處理以及數據標準化等一系列處理，我們能夠快速給出準確的出血評估。”

?

此外，隨著近年來臨床醫學的發展，醫院業務的變革，需要一套隨時可以配置的醫療知識庫。在這一方面，森億智能通過不斷的更新以保證知識庫的有效性。

?

“第一步是知識的理解，即在做這件事的開始，我們會不斷跟臨床醫生進行溝通，另一方面會將最終的醫療決策內容，與相關的KOL進行討論。如果這一知識的最終醫學理解沒有問題，那么我們才會將其轉化為計算機語言，進行第二步測試。”

?

“第二步測試指根據轉化為決策引擎里的醫學內容進行測試，以保證計算機語言的準確性。完成這一步后，我們會緊接著進行第三步端到端的測試，即在醫院后臺根據實際患者測試，經過這幾步，我們才能保證知識庫的可靠性。＂

?

百億CDSS市場與它的支付方

談及CDSS的市場與商業模式，我們需要從全科、評級、專科三個角度分別進行估算。

?

先看評級版本的CDSS市場，根據政策現實，僅當醫院進行電子病歷4級及其以上評級，才會需要配置CDSS。但在4級電子病歷對CDSS的要求僅限于能做一些藥品的配伍，5級開始要求檢驗檢查的提醒以及推薦診斷。從現在的價格情況來看，４級、5級的評級版CDSS招標價格基本上在40－50萬元，6級的招標價格在80萬元左右，７級的招標價格在120－150萬元左右。

?

?

但也正如政策所示，如今僅三甲醫院存在硬性要求購置評級版CDSS。粗略來看，2019年，全國總計有7000多家醫院申報了電子病歷評級。這意味著這一市場算不上大，年規模約在80億元左右。

?

全科的市場相對更大一些。若只是知識庫的查詢功能，單個產品的招標價格在30-50萬左右，但通常而言，醫療機構會要求配置輔助診斷、用藥推薦以及配套的硬件產品，具體算下來，單個機構的平均客單價會在100萬左右。

?

據大數醫達區域總經理盛潞偉估計，江蘇有90多個區縣，以平均每個區縣購置100萬的項目來計算話，這里便有一個億的市場。但對于一些核心城市，基層醫療機構的密度將會遠高于一般城市。

?

此外，民營醫療連鎖為了規范診療流程，通過大數據提升運營效率，也會嘗試采購全科版本的CDSS，例如呂醫生社區連鎖診所便采購了惠每科技的CDSS產品。所以，總體估算下來，全科CDSS的市場規模將超過百億。

?

專科CDSS的產品略貴于全科產品，從動脈網統計的招標數據來看，其價格在50-300萬元不等。但這里的市場規模取決于企業開拓出場景的程度，如果單個VTE產品能夠布置于每一個醫院，那么專科CDSS單一場景的市場將接近于評級版CDSS的數據。

部分CDSS招標數據，數據來源于動脈橙數據庫

?

再看商業模式，無論是全科CDSS，還是專科CDSS，現在走的仍是ＨＩＴ的銷售之路，即按項目一次性賣給醫院，并在后續每年中收取一定服務費。

?

但由于知識庫的的迭代性，CDSS廠商將在未來不斷更新產品，不斷進行新的投入。從這個角度而言，SaaS模式或許更適合CDSS廠商，而同樣對于新技術的不確定性，按年付費對醫院也是一種保障。所以，在商業模式方面，CDSS的付費模式或許將在未來由項目付費向服務付費轉變，如果這條路徑走得通，這一市場的規模將進一步擴大。

?

最后需要注意的是支付問題。對于專科CDSS而言，醫院存在需求去購置這一設備，以提高對臨床診療質量的把控，所以醫院會成為專科CDSS的支付方。CHIMA2019年發布的《中國醫院信息化狀況調查》通過對醫院抽樣調查的方式顯示了信息科對待CDSS的態度，無論是三甲醫院還是三級以下醫院，CDSS的優先權均處于靠前的位置。

?

?

但對于全科版的CDSS而言，對于這樣不能直接帶來收益的產品，基層醫療機構或許沒有直接支付的動力。

?

不過，國家提升基層醫療機構診療能力的決心在此，對于很多公立的基層醫療機構而言，由區縣衛健委代為采購已經成為全科CDSS主要的支付模式之一。此外，這一模式也正在惠及民營醫療機構，在部分沿海城市，私立醫療機構也可以享受到這一福利。

?

從整個市場來看，全科CDSS、評級CDSS的技術已經成熟，并已具備一定的商業模式，而專科CDSS則是其中的變數，畢竟，能夠打通醫院部分臨床路徑的質控并不意味著他們能夠在更為復雜的腫瘤領域有所建樹，同時，在未來新戰場的開辟之中，可能會遭遇到場景并不適用，或是數據難以采集的情況，這意味著風險與機遇