传统的临床决策支持系统（Clinical Decision Support System，简称 CDSS）是基于临床指南、医学文献等客观数据资料构成的知识库，依据一些逻辑关联进行归纳、演绎、推理、匹配，从而实现诊断、治疗等方面的决策支持。近几年，CDSS的系统逐渐向基于知识库+算法两者结合的方向发展：在传统知识库的基础上，利用机器学习、大数据挖掘等人工智能技术，从历史经验和不断更新的电子病历数据中自主获取知识，识别和学习某些模式，从而提供决策支持。

CDSS的系统建设包括三个模块：第一个模块是数据库，包括医学知识库和患者数据两个部分。首先，需要通过获取海量的文献类证据和临床实践类证据构建一个医学知识库，且知识库必须随着医学的最新发展保持敏捷的更新和维护；其次，系统需要将患者所有的临床数据从医院的各个系统中解读出来；最后通过自然语言处理使机器了解这些数据的意义。没有医学知识库和患者数据，辅助诊疗就无从下手，因此数据资源是CDSS系统建设和运作的核心。第二个模块是医学知识图谱。通俗地讲，就是通过机器的深度学习让AI了解医学逻辑，像医生一样理解某种疾病从怀疑到诊断到治疗的全过程，以及在这个过程中如何依据已有数据和知识做出判断决策。第三个模块是预测和展示，也称人机交流接口，在掌握了患者的临床数据和疾病的诊疗逻辑后，把预测结果以合适的形式反馈给医生。

通过以上三方面的建设后，CDSS可驻留云服务器，以web方式嵌入医院EMR，在医生操作EMR时，可以提供医学知识库检索、治疗方案推荐、相似病历推荐、辅助诊断、医嘱质控、临床预警等多种功能，从诊前到诊中到诊后为医生提供连续的支持，提高医生诊疗效率和诊疗水平，减少误诊率。