CN106971071A - 一种临床决策支持系统及方法 - Google Patents

Abstract

本发明提供一种临床决策支持系统及方法，包括：数据分析管理平台、结构化循证知识库和智能推理机；数据分析管理平台储存处理病人数据，根据生物标记物检测数据，生成病人的组学变异数据；结构化循证知识库存储临床表型数据、生物标记物检测数据、组学变异数据、药物诊疗研究信息、循证临床注释，构建这些数据之间的关联规则；智能推理机根据病人的临床表型数据及组学变异数据，调用结构化循证知识库生成临床决策参考信息。本发明基于结构化循证知识库，引入组学变异，从基因水平支持临床决策，覆盖DNA、RNA、蛋白质、代谢组及表观组水平变异，通过对组学变异数据分析和循证注释，为临床决策提供参考信息，提高临床决策支持的准确性和参考性。

Description

一种临床决策支持系统及方法

技术领域

本发明涉及医疗信息技术领域，具体而言，涉及一种临床决策支持系统及方法。

背景技术

随着医学、生物医学、精准医学等领域的迅速发展，临床医生的知识更新越来越难以与迅速增长变化的医学知识同步。因此需要对临床医生的临床决策进行支持，为临床医生提供决策参考信息，以提高临床工作效率，降低医疗差错率。

当前，相关技术中已经开发出的临床决策支持系统，通过人机交互界面输入临床数据，经过解释器和推理引擎解读患者信息，生成临床结论。大部分临床决策支持系统是基于医学规则知识库的，主要成分为人机交互界面、相关医学知识库和推理机。其病人数据输入的交互界面又分为两类，一类为独立的软件系统或Web(万维网)应用，另一类可直接嵌入电子病历系统。现有临床决策支持系统的核心是镶嵌在系统中的专业临床知识库，通常以IF-THEN(如果-那么)规则形式来表示症状、体征等与疾病或治疗效果的关系。

但是传统的基于医学知识库的临床决策支持系统主要立足于电子病历中的信息，缺乏从分子水平对临床决策的客观支持，因此传统临床决策支持系统提供的决策参考信息的准确性低，临床可参考性差。

发明内容

有鉴于此，本发明实施例的目的在于提供一种临床决策支持系统及方法，基于精准医疗的结构化循证医学知识库，引入组学变异，从基因水平对临床决策进行支持，提高临床决策支持的准确性和参考性。

第一方面，本发明实施例提供了一种临床决策支持系统，包括：数据分析管理平台、结构化循证知识库和基于热点矩阵模型的智能推理机；

所述数据分析管理平台，储存、处理病人数据，根据生物标记物检测数据，生成病人的组学变异数据；

所述结构化循证知识库，依据元数据模型，结构化存储临床表型数据、生物标记物检测数据、组学变异数据、药物诊疗研究信息、循证临床注释，并构建所述临床表型数据、所述生物标记物检测数据、所述组学变异数据、所述药物诊疗研究信息及所述循证临床注释之间的关联规则；

所述智能推理机，根据所述病人的临床表型数据及所述数据分析管理平台生成的所述组学变异数据，调用所述结构化循证知识库生成所述病人对应的临床决策参考信息。

结合第一方面，本发明实施例提供了上述第一方面的第一种可能的实现方式，其中，所述系统还包括临床诊疗信息录入界面和测试配套方案界面；

所述临床诊疗信息录入界面，结构化接收所述病人的临床表型数据和生物标记物检测数据；

所述测试配套方案界面，基于所述结构化循证知识库中存储的数据，显示多种检测方案对应的选择按键。

结合第一方面，本发明实施例提供了上述第一方面的第二种可能的实现方式，其中，所述数据分析管理平台，获取用户选定的检测方案，通过所述检测方案，调用所述检测方案对应的组学分析模块对所述生物标记物检测数据进行分析，生成所述病人的组学变异数据。

结合第一方面，本发明实施例提供了上述第一方面的第三种可能的实现方式，其中，所述数据分析管理平台，根据所述病人的临床表型数据、所述生物标记物检测数据和所述病人的组学变异数据，通过所述智能推理机，从所述结构化循证知识库查询对应的药物诊疗研究信息和循证临床注释；将查询的所述药物诊疗研究信息和所述循证临床注释推理组成所述临床决策参考信息。

结合第一方面，本发明实施例提供了上述第一方面的第四种可能的实现方式，其中，所述数据分析管理平台，还根据所述病人的临床表型数据和所述病人的组学变异数据，从所述结构化循证知识库中获取匹配的医学研究文献，将获取的所述医学研究文献添加在所述临床决策参考信息中。

结合第一方面，本发明实施例提供了上述第一方面的第五种可能的实现方式，其中，所述结构化循证知识库，获取并存储医学研究文献，结构化抽取并存储所述医学研究文献中记载的临床表型数据、生物标记物检测数据、组学变异数据、药物诊疗研究信息及循证临床注释。

结合第一方面的第四种可能的实现方式，本发明实施例提供了上述第一方面的第六种可能的实现方式，其中，所述结构化循证知识库，还根据疾病类型、生物标记物类型、药物类型、组学变异类型、临床注释类型，构建相匹配的元数据模型和关联规则，并进行内容填充。

结合第一方面，本发明实施例提供了上述第一方面的第七种可能的实现方式，其中，所述结构化循证知识库，还根据疾病或表型分类数据，构建疾病层级分类树。

第二方面，本发明实施例提供了一种临床决策支持方法，包括：

获取病人的临床表型数据和生物标记物检测数据；

调用选定的检测方案对应的组学分析模块，对所述生物标记物检测数据进行分析，得到所述病人的组学变异数据；

根据所述临床表型数据、所述生物标记物检测数据和所述组学变异数据，调用结构化循证知识库推理生成所述病人对应的临床决策参考信息。

结合第二方面，本发明实施例提供了上述第二方面的第一种可能的实现方式，其中，所述根据所述临床表型数据、所述生物标记物检测数据和所述组学变异数据，调用结构化循证知识库推理生成所述病人对应的临床决策参考信息，包括：

根据所述临床表型数据、所述生物标记物检测数据和所述组学变异数据，从所述结构化循证知识库查询对应的药物诊疗研究信息和循证临床注释；

将查询的所述药物诊疗研究信息和所述循证临床注释推理组成所述病人对应的临床决策参考信息。

在本发明实施例提供的系统及方法中，系统包括：数据分析管理平台、结构化循证知识库和智能推理机；数据分析管理平台储存处理病人数据，根据生物标记物检测数据，生成病人的组学变异数据；结构化循证知识库存储临床表型数据、生物标记物检测数据、组学变异数据、药物诊疗研究信息、循证临床注释，构建这些数据之间的关联规则；智能推理机根据病人的临床表型数据及组学变异数据，调用结构化循证知识库生成临床决策参考信息。本发明基于精准医疗的结构化循证知识库，引入组学变异，从基因水平对临床决策进行支持，且覆盖大多数DNA水平、RNA水平、蛋白质水平、代谢组水平及表观组水平变异，通过对组学变异数据分析和循证注释，为临床决策提供参考信息，提高临床决策支持的准确性和参考性。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本发明实施例1所提供的一种临床决策支持系统的结构示意图；

图2示出了本发明实施例1所提供的一种实体瘤下胶质瘤层级分类树的示意图；

图3示出了本发明实施例1所提供的另一种临床决策支持系统的结构示意图；

图4示出了本发明实施例1所提供的临床决策支持系统的架构和对应的工作流程的示意图；

图5示出了本发明实施例2所提供的一种临床决策支持方法的流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

考虑到传统的基于医学知识库的临床决策支持系统主要立足于电子病历中的信息，缺乏从分子水平对临床决策的客观支持，因此传统临床决策支持系统提供的决策参考信息的准确性低，临床可参考性差。基于此，本发明实施例提供了一种临床决策支持系统及方法，下面通过实施例进行描述。

实施例1

参见图1，本发明实施例提供了一种临床决策支持系统，包括：数据分析管理平台1、结构化循证知识库2和和基于热点矩阵模型的智能推理机3；

数据分析管理平台1，储存、处理病人数据，根据生物标记物检测数据，生成病人的组学变异数据；

结构化循证知识库2，依据元数据模型，结构化存储临床表型数据、生物标记物检测数据、组学变异数据、药物诊疗研究信息、循证临床注释，并构建临床表型数据、生物标记物检测数据、组学变异数据、药物诊疗研究信息及循证临床注释之间的关联规则；

智能推理机3，根据病人的临床表型数据及数据分析管理平台1生成的组学变异数据，调用结构化循证知识库2生成病人对应的临床决策参考信息。

上述结构化循证知识库2为iCMDB(individual Clinical Medicine Database，个体化临床医学知识库)知识库，也称为精准医疗知识库。iCMDB知识库为基于精准医疗的结构化循证知识库，精准医疗旨在通过检测个体的组学变异实现对不同个体进行分子水平的疾病预防、诊断、治疗、愈后指导。本发明实施例中，iCMDB知识管理平台基于多层体系架构和J2EE(Java 2Platform Enterprise Edition)、SQL(Structured Query Language，结构化查询语言)、NoSQL(Not Only SQL，非关系型数据库)等技术，搭建结构化循证知识库2和智能推理机3。

上述元数据模型，以及临床表型数据、生物标记物检测数据、组学变异数据、药物诊疗研究信息及循证临床注释之间的关联规则，是由结构化循证知识库2根据疾病类型、生物标记物类型、药物类型、组学变异类型、临床注释类型构建的。结构化循证知识库2构建出元数据模型和关联规则之后，对构建的元数据模型和关联规则进行内容填充。

结构化循证知识库2的本质是整合临床表型数据和组学变异数据，整合的基础来自于生物医学研究者的一些医学研究文献，在这些期刊文献中记载了生物医学研究者根据不同人群、不同对照设计和不同样本量的研究，以及通过这些研究探究到的与组学变异相关的临床指标的变动。结构化循证知识库2将医学研究文献中的相关内容进行结构化抽取，抽取出其中记载的临床表型数据、生物标记物检测数据、组学变异数据、药物诊疗研究信息及循证临床注释，并构建临床表型数据、生物标记物检测数据、组学变异数据、药物诊疗研究信息及循证临床注释之间的联系规则。另外，结构化循证知识库2还存储这些医学研究文献。

在搭建结构化循证知识库2过程中进行了三个层面的数据整合：临床表型数据整合、组学变异数据整合、临床表型数据与组学变异数据的映射整合。临床表型数据的整合涉及疾病或表型的命名及分类，主要参照MeSH(Medical Subject Headings，医学主体词表)系统，每个疾病录入MeSH标识,同时血液疾病方面参考WHO(World Health Organization，世界卫生组织)的ICD(international Classification of diseases，国际疾病分类)、单基因病参考OMIM(0nline Mendelian Inheritance in Man，在线人类孟德尔遗传)和HPO(肝细胞生成素)、复杂疾病如心脑血管疾病参考ClinVar的MedGen等。在iCMDB中，疾病或表型的命名及分类均录入中英文名称和MeSH标识,、常见的简称和别名，并描绘疾病发生的主要分子机制和当前诊断手段。疾病的分类同时考虑疾病发生的分子机制，如肿瘤的发生多与体细胞突变相关，单基因病的发生为生殖系突变引起，传染病则涉及到外源病原体等，相似分子机制的疾病划归为同一大类。

在本发明实施例中，结构化循证知识库2，还根据疾病或表型分类数据，构建疾病层级分类树。在病种匹配时，结构化循证知识库2根据该疾病层级分类树，对科学研究证据中样本的具体病种进行准确的注释。

例如，如图2所示实体瘤下胶质瘤的层级分类，贝伐单抗被FDA(Food and DrugAdministration，食品药品监督管理局)批准用于实体瘤中的胶质瘤患者，可用于胶质瘤父节点下所有子节点的胶质瘤亚型。而Cintredekin besudotox在一临床三期试验中用于治疗胶质母细胞瘤患者，其注释仅仅针对胶质母细胞瘤而不用于其它胶质瘤亚型。

为了有效地关联组学变异与临床表型/诊疗效果，结构化循证知识库2中对文献报道的组学变异的相关属性信息进行了结构化整合。生物标记物录入其Entrez(美国国家生物技术信息中心)标识。其中，蛋白编码基因、非编码RNA(Ribonucleic Acid，核糖核酸)基因、假基因都采用HGNC(HUGO Gene Nomenclature Committee，基因命名委员会)的统一命名标准，没有HGNC和Entrez命名的生物标记物则采用细胞遗传学位置进行命名标记。

为正确地与不同来源的数据进行匹配整合，除了标记物的临床应用类型、分子机制、支持的参考文献证据外，结构化循证知识库2中同时结构化录入生物标记物的别名、标记物类型、所处的染色体、基因转录的方向是正链还是负链、在染色体上的起始和终止位置、所用的参考基因组版本。其中，标记物类型可以为蛋白编码基因、tRNA、rRNA、snRNA、scRNA、snoRNA、miscRNA、假基因等。生物标记物上的变异命名遵循HGVS指南来描述DNA水平的核苷酸变化、RNA水平的转录变化和蛋白质水平的氨基酸变化。不同变异类型记录不同的相关信息，如单核苷酸变异和插入缺失需要录入起始和终止的物理位置及所处的外显子外，还需录入参考碱基和替换碱基；融合变异则需要录入在两个融合基因上的断点物理位置、5’端融合基因最后一个观察到的外显子、3’端融合基因第一个观察到的外显子等信息。iCMDB知识库收录超过1200种生物标记物，包含DNA水平变异、RNA水平变异以及蛋白水平的变异。其中，DNA水平变异包括点突变、插入、缺失、拷贝数变异、易位、内部串联重复、微卫星不稳定、染色体微缺失、核型变异、甲基化等。RNA水平变异包括差异表达和基因融合等。蛋白水平的变异包括差异表达等。

临床表型数据与组学变异数据的映射整合是从相关科学文献中依照严格的SOP(Standard Operating Procedure，标准作业程序)人工结构化抽提研究内容和结果，构建组学变异对临床诊疗效应影响的循证依据。每一条突变的循证临床注释至少有一篇参考文献支持。

参考文献的搜索和选取流程为，搜索的第一阶段主要查找综述性文章，先以疾病名称和别名等为关键词，对综述性文章进行全文搜索，当搜索到的文章出现大量重复性基因名字时，在搜索关键词中加入基因名，对综述性文章的摘要进行搜索，得到重复出现的相关性变异。第二阶段再用疾病、基因、变异为关键词对所有文献进行全文搜索。如果搜索到的重复信息过多，则优先选择来自于FDA、ClinicalTrial(临床试验)、NCI(NationalCancer Institute，国家癌症研究所)、NCCN(National Comprehensive Cancer Network，美国国立综合癌症网络)指南的信息。所有信息必须有至少两次报道，并与最新的FDA、NCCN指南、NCI等内容进行交叉验证。

在参考文献的搜索过程中，当搜索的同一位点同一关联关系的研究文献大于预设篇数，如大于5篇时，根据研究文献的引用次数、研究设计、样本量、期刊影响因子及期刊类型相关性这5个属性进行选择，且在选择时这个5个属性的权重是依次递减的。其中，研究设计包括循证等级系统评价、随机对照试验、队列研究、病例对照研究、病例研究、个案报告、动物研究、细胞系研究8种，这8种的权重也是依次递减的。对于同一变异临床影响结论相互矛盾的文献报道，相关报道小于五篇会全部选并呈现在注释中。而多于五篇的报道会联系得到相关原始数据进行meta(荟萃分析)分析。

在本发明实施例中，结构化循证知识库2中存储了大约18254篇参考文献。随着新的突变信息添加，参考文献的数量也随之增多。且近十年的文献总数已占参考文献总数65％，确保了数据的时效性和准确性。

在本发明实施例中，对研究文献进行结构化信息抽取，抽取的信息包括研究设计、样本量、样本人群、样本相关疾病史/生活习惯等相关因素、变异影响的临床指标。其中，变异影响的临床指标包括总生存期、无进展生存期、OR(Odds Ratio，优势比)值等。抽取出的信息均以中英文两种语言分别重新描述并写入临床注释，并相应的文献/数据库描述变异的分子机制、不同人群的发生频率等信息进行关联。依据临床应用目的不同，临床注释区分为六种类型：诊断、易感、治疗、预后和药物基因组学注释。iCMDB知识库涵盖多种疾病模块，如肿瘤模块、药物遗传学模块、风险预测和遗传病模块等。

综上所述，本发明实施例中临床决策支持系统包括的结构化循证知识库2是基于分子医学的“表型-分子标记-变异-药物-诊疗方案”循证关联关系的综合知识库。临床决策支持系统包括的智能推理机3调用该结构化循证知识库2，根据病人的临床表型数据及数据分析管理平台1生成的组学变异数据，提供临床个性化诊疗建议，最终实现对精准医疗临床决策的支持。

如图3所示，临床决策支持系统还包括临床诊疗信息录入界面4和测试配套方案界面5；

临床诊疗信息录入界面4，结构化接收病人的临床表型数据和生物标记物检测数据；测试配套方案界面5，基于结构化循证知识库2中存储的数据，显示多种检测方案对应的选择按键。

在本发明实施例中，临床决策支持系统提供基于多层体系架构和J2EE的Web(万维网)应用程序及衔接电子病历系统和实验室管理系统的API(Application ProgrammingInterface,应用程序编程接口)。临床决策支持系统的Web应用程序的用户注册后，由管理员审核并分配包括实验室用户、临床医生、管理员等不同角色和与角色相匹配的权限。

用户可通过临床诊疗信息录入界面4录入病人的临床表型数据和生物标记物检测数据，该临床表型数据包括病人的基本信息、疾病信息、病理信息和随访信息。生物标记物检测数据包括病人的生物样本信息。生物标记物检测数据可来源于Sanger测序、qPCR、FISH等低通量检测技术，也可来源于高通量二代测序技术。其中，二代测序技术的数据分析兼容Illumina和Ion Torrent两种测序平台及DNA-Seq、RNA-seq(转录测序技术)等多种测序方式。

测试配套方案界面5提供多种选择按键，用户可通过点击选择按键来创建检测方案，如实验室使用低通量的Sanger(桑格法)测序、qPCR(Real-time Quantitative PCRDetecting System，实时荧光定量核酸扩增检测系统)、FISH(Fluorescence in situhybridization，荧光原位杂交技术)等传统检测手段。本发明实施例中，可根据疾病信息创建检测方案，如病人为非小细胞肺癌患者，则可选择相应的靶向药物及化疗药物进行相关基因/位点检测。还可以根据想检测的药物所相关的基因/位点创建检测方案。如实验室采用的是二代高通量测序技术，则选取相应的panel(程序)来创建检测方案。本发明实施例还可以根据全基因组测序、全外显子组测序、转录组测序等测序数据类型来创建方案。

在本发明实施例中，临床决策支持系统还提供测序数据管理页面。基因测试完成后，可通过测序数据管理页面上传实验结果，并点击分析按钮，之后系统根据病人病理、样本信息和检测方案自动选择相应的分析流程，找出变异位点，并标出临床有效位点，生成临床解读报告。

当用户通过临床诊疗信息录入界面4上传病人的临床表型数据和生物标记物检测数据，并在测试配套方案界面5点击一个检测方案对应的选择按键后，数据分析管理平台1从测试配套方案界面5获取用户选定的检测方案，调用该检测方案对应的组学分析模块，对生物标记物检测数据进行分析，得到病人的组学变异数据。数据分析管理平台1根据病人的临床表型数据、生物标记物检测数据和组学变异数据，通过智能推理机3，从结构化循证知识库2查询对应的药物诊疗研究信息和循证临床注释；将查询的药物诊疗研究信息和循证临床注释推理组成临床决策参考信息。数据分析管理平台1还根据病人的临床表型数据和组学变异数据，从结构化循证知识库2中获取匹配的医学研究文献，将获取的医学研究文献添加在临床决策参考信息中。

数据分析管理平台1上整合的生物信息分析管道和数据库管理系统能够对患者的临床数据和分子检测所产生的组学变异数据进行存储、分析、处理、整合和检索。整个分析流程的逻辑取舍以临床注释应用为驱动，如与靶向药物的耐药敏感性注释关联的为体细胞突变。当用户选择进行靶向药物类注释出临床报告时，系统默认选择分析识别体细胞突变。药物基因组学是研究由于基因多态性变异对药物代谢动力学和药物效应动力学的影响所造成的个体用药差异，系统默认对应的分析模块是识别生殖系变异，进行基因型分析。

精准医疗的应用过程包括从接诊病人开始，首先收集病人的临床表型数据和待检组织样本，然后筛选相应的生物标记物进行分子检测，继而对检测数据进行分析得到病人的遗传学图谱，进行临床解读，最终进行分子诊断和/或选取最佳治疗方案，实现精准医疗。如图4所示，本发明实施例提供的临床决策系统的架构可以包括人机交互界面、数据分析管理平台1、知识管理。其中，人机交互界面包括临床诊疗信息录入界面4和测试配套方案界面5。交互界面还可以对接网络应用程序、电子病历系统和实验室管理系统接口。数据分析管理平台1包含分析式存储计算系统、生信分析管道模块、数据库管理系统。知识管理包括结构化循证知识库2和智能推理机3。该临床决策支持系统基于上述系统架构进行的工作流程如图4所示，首先进行临床与生物样本信息收集，然后通过高通量技术或低通量技术对收集的信息进行分子检测，通过数据分析识别组学变异，并进行数据管理，最终基于临床注释通过推理生成决策参考报告。

本发明实施例提供的临床决策支持系统采用简洁的操作界面，结合用户的需求和习惯，采用优化的工作流程构架，以提高用户工作效率。且以循证医学为基础，结构化循证知识库2内容全面、数据可靠且更新及时，所有数据资料都是对当前相关领域的科学研究成果的搜索，经得住医学和临床试验的验证，并对数据库不断更新。临床决策支持系统可以根据测序平台和样本特点动态选择适用的流程，调节参数优化分析结果；同时，该系统整合了实验室基因检测方案创建、检测数据上传和分析处理、分析结果与精准医疗知识库的自动比对以及治疗方案自动产生的各个环节，从而实现了系统之间的集成紧密性，提高分析自动化能力，减少人工干预。另外，临床决策支持系统由多个功能模块紧密搭建而成，利用热点矩阵多种模型将各个模块自动关联，整合多种检测数据采集和分析处理、分析结果与精准医疗知识库自动比对以及报告自动产生的各个环节。临床决策支持系统按照ISO13485标准进行设定，根据HL7标准，规范临床医学和管理信息格式。

且本发明实施例提供的临床决策支持系统在组学变异上目前覆盖了大多数DNA水平变异、部分RNA水平变异和蛋白质水平变异。在组学层次上将进一步扩展，加入与疾病发生、治疗相关的包括表观遗传学在内的各层级变异。整个系统拥有模块化、可组合化的分析流程和临床注释模块，为用户提供更加灵活易用、多样化的分析注释服务。

在本发明实施例中，临床决策支持系统包括：数据分析管理平台、结构化循证知识库和智能推理机；数据分析管理平台储存处理病人数据，根据生物标记物检测数据，生成病人的组学变异数据；结构化循证知识库存储临床表型数据、生物标记物检测数据、组学变异数据、药物诊疗研究信息及循证临床注释，构建这些数据之间的关联规则；智能推理机根据病人的临床表型数据及组学变异数据，调用结构化循证知识库生成临床决策参考信息。。本发明基于精准医疗的结构化循证知识库，引入组学变异，从基因水平对临床决策进行支持，且覆盖大多数DNA水平、RNA水平、蛋白质水平、代谢组水平及表观组水平变异，通过对组学变异数据分析和循证注释，为临床决策提供参考信息，提高临床决策支持的准确性和参考性。

实施例2

本发明实施例提供了一种临床决策支持方法，该方法的执行主体为上述实施例1提供的临床决策支持系统。

在通过临床决策支持方法进行临床决策支持之前，首先通过如下操作来搭建临床决策支持系统包括的结构化循证知识库。具体搭建操作包括：

获取医学研究文献，基于相匹配的元数据模型，结构化抽取医学研究文献中记载的临床表型数据、生物标记物检测数据、组学变异数据、药物诊疗研究信息及循证临床注释；在结构化循证知识库中，结构化存储临床表型数据、生物标记物检测数据、组学变异数据、药物诊疗研究信息及循证临床注释，并构建临床表型数据、生物标记物检测数据、组学变异数据、药物诊疗研究信息及循证临床注释之间的关联规则；在结构化循证知识库中存储医学研究文献，及根据疾病或表型分类数据，在结构化循证知识库中构建疾病层级分类树。

搭建结构化循证知识库的其他操作细节可参见实施例1中的相关描述，在此不再赘述。

搭建结构化循证知识库后，如图5所示，通过以下步骤进行临床决策支持：

步骤201：获取病人的临床表型数据和生物标记物检测数据。

通过临床决策支持系统的临床诊疗信息录入界面接收用户录入的临床表型数据和生物标记物检测数据。其中，临床表型数据包括病人的基本信息、疾病信息、病理信息和随访信息。生物标记物检测数据包括病人的生物样本信息。生物标记物检测数据可来源于Sanger测序、qPCR、FISH等低通量检测技术，也可来源于高通量二代测序技术。

步骤202：调用选定的检测方案对应的组学分析模块，对生物标记物检测数据进行分析，得到病人的组学变异数据。

通过临床决策支持系统的测试配套方案界面确定用户选择的检测方案，调用该检测方案对应的组学分析模块，对生物标记物检测数据进行分子检测，得到组学变异数据。组学变异数据即为病人的遗传学图谱。

步骤203：根据病人的临床表型数据、生物标记物检测数据和组学变异数据，调用结构化循证知识库推理生成病人对应的临床决策参考信息。

根据临床表型数据、生物标记物检测数据和组学变异数据，从结构化循证知识库查询对应的药物诊疗研究信息和循证临床注释；将查询的药物诊疗研究信息和循证临床注释推理组成临床决策参考信息。

通过临床决策支持系统进行临床决策支持时的具体数据分析过程可参考实施例1中数据分析管理平台的数据分析过程，在此不再赘述。

在本发明实施例中，临床决策支持系统获取病人的临床表型数据和生物标记物检测数据；对生物标记物检测数据进行分析，得到组学变异数据；根据临床表型数据、生物标记物检测数据和组学变异数据，调用结构化循证知识库推理生成病人对应的临床决策参考信息。本发明基于精准医疗的结构化循证知识库，引入组学变异，从基因水平对临床决策进行支持，且覆盖大多数DNA水平、RNA水平、蛋白质水平、代谢组说及表观组水平变异，通过对组学变异数据分析和循证注释，为临床决策提供参考信息，提高临床决策支持的准确性和参考性。

本发明实施例所提供的临床决策支持系统包括的的数据分析管理平台、结构化循证知识库、智能推理机、临床诊疗信息录入界面及测试配套方案界面等可以为设备上的特定硬件或者安装于设备上的软件或固件等。本发明实施例所提供的方法，其实现原理及产生的技术效果和前述系统实施例相同，为简要描述，方法实施例部分未提及之处，可参考前述系统实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的方法的具体工作过程，均可以参考上述系统实施例中的对应过程，在此不再赘述。

在本发明所提供的实施例中，应该理解到，所揭露系统和方法，可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种临床决策支持系统，其特征在于，包括：数据分析管理平台、结构化循证知识库和基于热点矩阵模型的智能推理机；

所述数据分析管理平台，储存、处理病人数据，根据生物标记物检测数据，生成病人的组学变异数据；

所述结构化循证知识库，依据元数据模型，结构化存储临床表型数据、生物标记物检测数据、组学变异数据、药物诊疗研究信息、循证临床注释，并构建所述临床表型数据、所述生物标记物检测数据、所述组学变异数据、所述药物诊疗研究信息及所述循证临床注释之间的关联规则；

所述智能推理机，根据所述病人的临床表型数据及所述数据分析管理平台生成的所述组学变异数据，调用所述结构化循证知识库生成所述病人对应的临床决策参考信息。

2.根据权利要求1所述的系统，其特征在于，所述系统还包括临床诊疗信息录入界面和测试配套方案界面；

所述临床诊疗信息录入界面，结构化接收所述病人的临床表型数据和生物标记物检测数据；

所述测试配套方案界面，基于所述结构化循证知识库中存储的数据，显示多种检测方案对应的选择按键。

3.根据权利要求1所述的系统，其特征在于，所述数据分析管理平台，获取用户选定的检测方案，通过所述检测方案，调用所述检测方案对应的组学分析模块对所述生物标记物检测数据进行分析，生成所述病人的组学变异数据。

4.根据权利要求1所述的系统，其特征在于，所述数据分析管理平台，根据所述病人的临床表型数据、所述生物标记物检测数据和所述病人的组学变异数据，通过所述智能推理机，从所述结构化循证知识库查询对应的药物诊疗研究信息和循证临床注释；将查询的所述药物诊疗研究信息和所述循证临床注释推理组成所述临床决策参考信息。

5.根据权利要求1所述的系统，其特征在于，所述数据分析管理平台，还根据所述病人的临床表型数据和所述病人的组学变异数据，从所述结构化循证知识库中获取匹配的医学研究文献，将获取的所述医学研究文献添加在所述临床决策参考信息中。

6.根据权利要求1所述的系统，其特征在于，所述结构化循证知识库，获取并存储医学研究文献，结构化抽取并存储所述医学研究文献中记载的临床表型数据、生物标记物检测数据、组学变异数据、药物诊疗研究信息及循证临床注释。

7.根据权利要求1所述的系统，其特征在于，所述结构化循证知识库，还根据疾病类型、生物标记物类型、药物类型、组学变异类型、临床注释类型，构建相匹配的元数据模型和关联规则，并进行内容填充。

8.根据权利要求1所述的系统，其特征在于，所述结构化循证知识库，还根据疾病或表型分类数据，构建疾病层级分类树。

9.一种临床决策支持方法，其特征在于，包括：

获取病人的临床表型数据和生物标记物检测数据；

调用选定的检测方案对应的组学分析模块，对所述生物标记物检测数据进行分析，得到所述病人的组学变异数据；

根据所述临床表型数据、所述生物标记物检测数据和所述组学变异数据，调用结构化循证知识库推理生成所述病人对应的临床决策参考信息。

10.根据权利要求9所述的方法，其特征在于，所述根据所述临床表型数据、所述生物标记物检测数据和所述组学变异数据，调用结构化循证知识库推理生成所述病人对应的临床决策参考信息，包括：

根据所述临床表型数据、所述生物标记物检测数据和所述组学变异数据，通过智能推理机，从所述结构化循证知识库查询对应的药物诊疗研究信息和循证临床注释；

将查询的所述药物诊疗研究信息和所述循证临床注释推理组成所述病人对应的临床决策参考信息。