自2016年谷歌的AlphaGo击败围棋世界冠军李世石起，人工智能的热度就一直居高不下。人工智能绝不仅仅只会下棋，其已经逐渐渗透到了我们生活的各个方面。而作为群众呼声、行业寄予厚望和相对成熟的领域——医疗人工智能，被认为最有应用前景。

       一、国家人工智能相关政策

       2015年起，国家陆续出台了推动医疗人工智能领域发展的一系列政策，对于人工智能在医疗领域的应用和开展起到了指导性作用。人工智能在医疗方面的应用主要分为以下几个方向：临床诊疗决策支持系统、智能医学影像识别、病理分型和多学科会诊、智能语音电子病历系统等。

       2017年4月，国家卫计委发布《国务院办公厅关于推进医疗联合体建设和发展的指导意见》，结合十三五规划全面推行分级诊疗制度的相关文件**，指出：运用人工智能技术打造临床决策支持系统，将标准化治疗下沉至基层，是解决目前医疗资源不足和配置不合理、解决人民群众看病难问题的有效途径之一，也符合健康中国的美好愿景。以下我们就人工智能临床决策辅助系统的应用现状和未来发展趋势展开深入讨论。

       二、国内人工智能CDSS的应用现状

       临床决策支持系统（Clinical Decision Support System, CDSS）是一个基于人机交互的医疗信息技术应用系统，旨在为医生和其他卫生从业人员提供临床决策支持(CDS)，通过数据、模型等辅助完成临床决策。

       CDSS起源于美国，2018年预估的市场规模近5亿美元，CDSS的应用可降低因用药不当或操作不当造成的医疗事故的概率，减少对患者不必要的伤害。CDSS是提升医疗质量的重要手段，其根本目的是为了评估和提高医疗质量，减少医疗差错，从而控制医疗费用的支出。

       图1：临床决策支持系统工作逻辑及路径

       CDSS按系统结构可分为两类：基于知识库的CDSS和基于非知识库的CDSS。

       基于知识库的CDSS一般包括三个组成部分：知识库、推理机和人机交流接口。知识库存储着大量的编译信息，推理机根据知识库里的规则对资料进行自动整合、分析，人机交流接口则是将分析结果反馈给使用者，同时也可以作为系统输入，主要作用是满足用户的查询需求。这一类型的CDSS由于较封闭且缺乏机器深度学习功能，所有信息的采集、编译、整理及规则均需人工完成，维护成本高昂，且存在信息更新时效性不强的问题。

       基于非知识库的CDSS一般采用人工智能的形式，其依赖人工神经网络具有机器学习能力，可以在人机交互、不断训练的过程中总结和明确知识，并利用知识为用户提供建议。随着医疗行业科技化、信息化程度的逐步提高，利用电子病历系统-CDSS-互联网数据库的对接，可在瞬间查阅上万文献资料。通过高效的学习能力提供精准的决策建议，这种类型的CDSS势必成为将来的发展趋势。智能决策系统的研发,可帮助临床医生紧跟医学进展,掌握循证医学[注1] 证据,更加充分自如地应对临床问题。

       就目前国内机构和临床医生的应用来看，基于知识库的CDSS还是主流，但随着人工智能等相关计算机技术的发展，训练机器让机器代替人进行重复劳动，基于非知识库的CDSS更是未来发展的趋势。国内的医疗科技企业也将重点放在了基于非知识库的CDSS上。但是由于基于非知识库的CDSS需要进行不断的训练，这个过程以目前的技术手段来看还是相当耗费人力和时间，往往训练一个病种就需要几年时间，目前市面上的产品也未进入成熟应用的阶段，仍有一定的局限性：

       虽经过了几年的发展、学习和训练，目前支持的病种仍有限，且对单一病种的支持范围也有限，对复杂病情或病种的支持度也欠佳；

       训练方式及训练逻辑对决策结果的影响较大，医学尤其是肿瘤学是非常复杂的学科，很多问题的处理方式在当今的学术界仍存在着争议，造成了肿瘤医生对一些决策结果不理解或不认可的情况；

       各个国家和地区由于政策、医保覆盖、治疗费用等不同，药物的使用和推荐顺序也存在着差异，如只套用一个国家的现行标准将难以满足全世界范围内的应用需求。