摘要：人工智能的迅速发展将深刻改变我们的社会生活，在移动互联网、大数据、超级计算、传感网、脑科学等新理论、新技术以及社会强烈需求驱动下，人工智能的加速发展，会呈现出深度学习、跨界融合、人机协同、自主操控等新特征。随着我国逐步迈入人工智能时代，目前我国PASS系统的建设研发思路，主要是采用机械化的判断标准，这一现状将无法适应新时代的应用需求。本文以人工智能学习角度，阐述了计算机通过学习方式建设PASS系统的研发思路。
关键词：人工智能；PASS；合理用药；药物审核
一、研究背景
我国现行的《处方管理办法》是2007年5月1日起施行的。目的是规范医生在处方开具时，遵循安全、有效、经济的原则，同时规范处方管理，提高处方质量，促进合理用药，保障医疗安全。药品调剂师在进行处方审核时有相关的评判标准，监督审核医生的用药治疗。
卫生部于2010年2月10日又出台了《医院处方点评管理规范（试行）》，要求各级卫生医疗机构进一步规范医师处方行为，提升处方调剂质量。通过依据我国相关法规、执行标准与技术规范，对处方书写的规范性，药物临床使用的适宜性进行评价，如用药适应证、药物选择、用法用量、药物相互作用、配伍禁忌等。建立落实定期门急诊、住院处方点评制度。通过评价，发现医生在处方开具过程中的潜在问题，制定与实施干预和改进措施，促进临床药物合理应用，确保患者医疗质量安全。
规范中要求鼓励医院利用信息技术实现处方药品的全面信息化管理，将处方点评的监督与审核的事后工作，通过信息化技术，达到事前审核，实现安全、有效、经济的用药目的。
二、问题与不足
随着我国医疗信息化的深入应用，多数医疗机构已经在自己的HIS系统中，嵌入了PASS系统，即合理用药监测系统（PrescriptionAutomaticScreeningSystem）或药物咨询、合理用药决策支持等相关软件，这些系统的应用已经极大的解决了一些用药不规范问题，如药物相互作用、剂量、药物过敏史、注射液体外配伍、禁忌症审查等。信息化资源整合较高的医疗机构，对相关的审查工作已经全部由计算完成，可以实现在医生处方开具时，进行预警提示。但是这一系列功能的实现，主要是通过在计算机后台配置相关检测规则，利用计算高速的运算判断与标准库中的规则进行对比，列出不符合要求的数据项。
这种鲁棒性的解决方式，没有将相关医疗管理思路和处方管理理念融入到实际医疗行医过程中，面对医师的处方开具和药师处方调剂审核，始终是机械式的判断标准。答案永远是标准结果，不能与医生、药师互动学习，无法通过患者的病情发展状态与病情发展趋势进行调整，自动化的改进评估标准。
如果一旦严格执行，以计算机甄别结果为标准，医生的诊断用药仿佛被一本标准字典绑架，未列入标准即为错误，如果不考虑一些外部的因素，创新的方法无法被有效发现。这样，不利于医学技术的进步。
三、解决思路
系统的设计目标是让系统具有自我知识学习能力，对评判标准可以自我重新定义，通过不断的学习，取代初级的处方治疗与审核工作，并将医务人员从重复性的工作中解脱出来，来赢得更多人生中最珍贵的财富-时间，将这些资源投入到更加需要的地方。
建立规则基准：依据我国现行的处方相关管理办法及已经发布执行的相关用药指南，通过梳理，将这些规则数据录入系统，设定为基准，并针对不同类型分类划定基线，如处方书写规则的规定，要求需包括：处方前记、处方正文、处方后记书写规则，药品名称、患者年龄、诊断书写规则、药品用法用量、药品剂量与数量书写规则等。这就像儿童学习汉字书写时，使用的田字本，规则字体部首的位置摆放。
期刊文章分类查询,尽在期刊图书馆
建立规则匹配项数据库：药品基本信息数据库，主要包括：药品的通用名称、剂型、规格、生产厂家、药物的说明书批准适应症、禁忌症、慎用症状以及该医疗机构批准的超说明书适应症、用法、用量、给药途径、注意事项、不良反应、药物与食物相互作用、药物与药物相互作用、国内注射剂体外配伍、副作用、儿童用药警告、妊娠期用药警告、老年人用药警告、哺乳期用药警告、肝肾功能损害患者用药警告等。对这些内容建立规则匹配检查项，当产生与匹配项分歧状态时，列出分歧明细。
建立国际疾病分类数据库：，主要收录如ICD-10编码，手术码，疾病名称，检索码。同时对疾病的适应药物建立匹配关系。即疾病-药物，药物-疾病的关系。
建立合理用药规范数据库：可通过临床常见疾病，及国内外最新治疗指南、国内外RCT文章进行比较、借鉴、甄别，形成用药规范，其中包括：疾病的推荐指南、常见的治疗方案，作为解决对策数据库。
建立药物相互作用数据库和药物配伍禁忌数据库：是指用于药物相互作用和配伍禁忌查询、检索、比较和甄别的数据库，至少应包括：药品名称、药物相互作用查询、药物配伍检查等。主要目的是建立相关之间的约束条件，在处方开具过程中，用于排他筛选。
建立药物处方历史经验数据库：将医疗机构已经开具的处方数据（已经经过实际应用、符合规定），按计算机能识别的规则目录结构导入，建立历史经验的数据资料。我们假设这些历史数据是正确的，没有参考上述数据中的标准规则而建立，是人类的真正的行医治疗过程中的实践真知。
将上述的这些知识，分类建立相应的数据知识库后，再对系统建立数据模型与算法，通过导入大量已经清洗后的处方数据进行对比化的学习，分析每张处方是否与基准基线一致，并计算偏差值，列出偏差项。对于有偏差的项值，我们需要重点关注，偏差越大，说明需要学习的内容就应越深入。此时，需要人工介入，调阅历史病历资料，分析偏差原因。如果判断是坏数据，我们就直接剔除。如果不是，就对其进行标识，记录评估原因，修正相关标准，告诉系统，在某些情况下，按这个方法执行，可以得到更好的效果。这样，通过大量重复的导入，记录、评估、学习，修改的过程。当达到一定的数量级时，系统就可以行成一个清晰的数据脉络，知道什么疾病，在什么程度下，可以使用那些药品，如果使用，剂量大小多少，周期，频率。同时告诉你那些效果最好，最经济，最安全。
系统可以轻松的告诉用户，通过历史数据对比，诊断与对应的处置，与经验数据库的相似度是多少，治愈率、安全性等相关指标。或在某些个例的情况下，采用不同的选择，患者的诊后疗效如何。伴随着系统收录的数据增加，自动判断的处方增多，系统就会越来越聪明。
通过算法的不断优化，这个过程就好比学生依据教课科书（规则）在老师指导下（已经发布的疾病治疗方案）做作业练习（真实的处方数据）。通过阅读大量的前人成功的处置经验，知道什么诊断对应什么药物，在不同的适应症下，可以采取未常规的处置方案。如何通过加减剂量，达到更好的疗效果。
四、总结
目前相关的药物审核系统的设计思路多数是机械化的被动式方案，医生的处方行为由电脑进行审核，依据已经认定的标准，与医生的处方进行规则匹配。而在当今人工智能技术的高速发展下，通过在系统设计思路上的改变，对人类已经成功救治的患者执行的处方信息进行深度学习，一旦算法合理，系统可以在一天内轻松记忆上百万张处方数据，总结规律，列出精辟。最终达到，辅助或决策初级医生处方的开具，由高级别医生进行审核批准，从而改变目前的现状。PASS系统将会更加智能、高效，利用计算机的高效记忆与存储运算，发现更多、更新的治疗方法，为人类的健康带来更多的可能。
参考文献：
［1］王磊.医院危急值语音自动上报系统与物联网技术的应用[J].信息通信，2016（3）：114-11
［2］杨滢.医院药事管理中信息化管理的应用[J].中国卫生产业.2015（21）
［3］卢文成.基层医院药事管理的问题及对策[J].大家健康（学术版）.2016（07）
［4］张晓方.医院药事管理工作的思索[J].中国卫生产业.2015（23）
［5］赵熙婷，薛昀.医院药事管理工作发展[J].中国卫生产业.2015（23）
作者简介：
王磊（1979.10~），男，计算机硕士，工程师，主要从事医疗信息系统方面的研究。
论文作者:王磊
论文发表刊物:《基层建设》2018年第4期
论文发表时间:2018/5/25
标签：处方论文; 药物论文; 系统论文; 规则论文; 标准论文; 相互作用论文; 人工智能论文; 《基层建设》2018年第4期论文;