CDSS实现有两大主要类型：知识型CDSS和非知识型CDSS。

一、知识型CDSS

CDSS来源于专家系统，但又不同于专家系统。专家系统力图模拟、复制人类的逻辑和推理能力，基于现有临床知识，得到明确的临床决策。而CDSS则致力于为医务人员提供各种可能的诊断和处置选项，最终决策依赖于临床医务人员。

知识型CDSS属于演绎推理：专家制定规则，小数据、大智能，如知识图谱，可用于指导临床诊疗。

与专家系统类似，知识型CDSS也是由三大部分构成，包括：知识库、推理引擎，以及用户交互接口，如下图所示：

1.知识库

这里的知识库可以时基于规则的知识库，是由一系列IF-THEN形式的规则所构成；也可以是由既往案例构成的案例知识库，每个案例都拥有各类特征值及其权重。知识库作为基础要件，用于支持那些利用逻辑结构进行数据分析的系统。用户根据患者信息，在知识库中检索符合条件的疾病或者处置建议。

2.推理引擎

根据输入信息应用知识库的逻辑算法，并反馈计算结果。推理引擎最大的价值在于把规则逻辑和患者数据隔离开来，确保最大程度复用这些行业规则。

3.用户交互接口

是指临床用户输入患者数据、接收反馈结果的工具。在与其它业务系统集成的情况下，输入数据接口可以实现自动化。而输出的诊断和处置结果，则以建议或者警告提醒的方式实现。而警告提醒除了系统提示这种方式之外，还可以利用电子邮件、移动通信及时交互方式进行。

二、非知识型CDSS

非知识型CDSS属于归纳推理：机器学习规则，大数据、小智能，需进行深度学习，如影像诊断。

知识型CDSS必须建设一个由用户定义的知识库，而非知识型CDSS则不需要用户定义知识库。非知识型CDSS通过机器学习，从历史数据中“学习”到逻辑规则、行为模式，并把这些规则和模式存贮到知识库中，用于指导未来的业务处理。