推动我国临床决策支持系统（CDSS）快速发展的因素主要有以下两点：（一）利好政策不断，CDSS迎来发展新机遇高误诊率、重复诊疗、医疗资源分配不均是造成人民“看病难、看病贵”的重要原因，也是“健康中国”目标要面对的挑战之一。2015年起，国家陆续发布关于医疗信息化、智能医疗、智慧医院等相关政策，纷纷提出提升医疗信息化水平以及通过人工智能、大数据等各种新兴信息技术手段提升医疗服务能力和质量等的相关要求。此外，国家近几年对基层医疗给予大力支持，陆续发布了分级诊疗、医联体、全科医生培养等相关政策，旨在提高基层医疗机构诊疗水平，协助基层医疗机构深度转型。CDSS作为一种与人工智能和医疗信息化有着紧密联系的产品，且具备辅助基层医生进行诊断决策，提升其诊疗水平的实际功用，在国家政策的驱动下将具有广阔的发展前景和市场机遇。其中，电子病历作为信息时代病历的新型存在形式，是衡量现代化医院管理和医院信息化水平的重要指标。国家卫健委于2018年1月印发的《进一步改善医疗服务行动计划（2018—2020年）考核指标》及2018年8月印发的《关于进一步推进以电子病历为核心的医疗机构信息化建设工作的通知》要求，在电子病历信息化建设工作中，将临床路径、临床诊疗指南、技术规范和用药指南等权威临床诊疗知识嵌入信息系统，提高临床诊疗规范化水平。2018年12月，在国家卫健委发布的《电子病历系统应用水平分级评价管理办法（试行）及评价标准（试行）》的通知中，电子病历分级评价四级以上的医院均要求具备临床决策支持功能，这些政策表明医疗决策支持已经成为医院电子病历建设和评级的重要环节，为CDSS的发展和落地奠定了坚实基础。（二）医疗资源配置不均：三级医院诊疗压力过大、基层医疗机构诊疗水平较低问题催生需求，需求激发政策的制定。我国医疗资源配置不均衡的问题十分突出，根据2019年国家卫生健康统计年鉴的数据可知，公立医院中，占比18.8%的三级医院承担了60.8%的诊疗人次，平均每个三级医院每年要承担82万的诊疗人次，这就导致三级医院医生负担过重、诊疗压力过大，而CDSS应用于医院，可以辅助医生诊疗决策，及时做出临床预警，从而提升医疗效率，缓解医生诊疗压力。现阶段我国医疗卫生机构有99.7万个，其中基层医疗卫生机构94.4万个。基层医疗卫生机构占比约95%，但它们仅拥有全国32%的卫生服务人员。在发达国家，基层诊所能处理病人85%-90%的健康问题，国内只有53％的诊疗人次由基层医疗机构承担，相比发达国家，我国基层医疗机构数量多但诊疗能力低。此外，基层医疗机构医生的文化水平较低。2019年中国卫生健康统计年鉴数据显示，社区卫生服务中心本科及以上学历的医生占比不到一半，乡镇医生中仅有20.9%为本科及以上学历，大专和中专学历占比高达76.3%，村卫生室本科及以上学历的医生仅占3.1%，大专和中专学历的医生占比高达94.2%。这也是限制基层医生诊疗能力、导致漏诊误诊率高、患者不愿选择的一大原因。在国家政策对基层医疗的大力支持下，基层医务人员亟需能力的提升，基层医疗水平的提升是缓解当前医疗资源不均、改善医疗现状的重要途径。CDSS的目标就是帮助医生更好的诊断和治疗，这种有差异化的医生水平让CDSS在中国有更好的用武之地。

医院和基层医疗机构是CDSS企业的主要落地场所。从业务角度来看，开发专科版本的CDSS系统服务医院以及开发全科版本的CDSS系统服务基层医疗机构是目前CDSS企业的两大发展方向。从产品的适用对象来看，目前CDSS的首要采购对象还是大医院，专科医生是最核心的用户群体。随着国家分级诊疗以及基层医疗相关政策的推行，既面向专科医生，又面向基层医生提供CDSS服务的企业，以及专门针对基层医疗机构提供CDSS服务的企业等越来越多地出现。可以预见，随着国家对基层医疗机构的资金、政策支持力度的持续加大，CDSS更广阔的市场将在基层。CDSS作为一个近几年刚出现的新生事物，大多数医院和基层医疗机构对其的了解程度不够，市场渗透率还非常低，目前尚未出现独角兽类企业，且AI诊断能力还在不断的验证和优化中，当前状态下，对于企业来说，首要和根本的竞争点还是产品，针对细分市场，瞄准用户需要，使研发出来的产品在诊断能力上具备显著优势，能为医生提供实实在在的帮助，才能够被买单。其次，各企业可结合各自优势进行推广和产品的商业化落地，传统的医疗信息化企业可以利用自己的客户基础进行产品的推广和合作；BAT企业可利用自身在技术、资金、品牌等方面的优势加大产品的研发和宣传推广。虽然CDSS得到了一定程度的发展，但仍面临诸多挑战和困难，主要包括评估体系不完善，应用效果难获得；知识库构建和维护难度大；数据缺乏统一标准造成实施困难；法律责任和监管模式不明确等几个方面。未来，要更好的应对和解决这些问题，需要政府、企业、医疗机构的共同努力。总而言之，CDSS行业发展仍处在一个摸着石头过河的初级阶段，挑战和机遇并存，未来还有很长的路要走，其真正可发挥的效能和产生的影响值得期待。

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。

随着计算机、网络通信等技术的飞速发展，临床医生、医疗机构管理者、卫生政策制定者都越来越希望得到信息技术提供的决策支持服务。尤其是数据挖掘、联机分析处理、人工智能这些新技术的发展和应用，为临床决策支持系统（Clinical Decision Support System，简称CDSS）的实现提供了技术条件。临床决策支持系统（CDSS）的出现，更是有效的降低了医疗差错甚至责任事故发生。CDSS包涵5个正确要素：在诊疗流程中，通过正确的渠道，在正确的时间和正确的干预模式下，向正确的人，提供正确的信息。当医院信息系统发展到一定阶段，完成针对业务功能上的应用后，临床决策支持系统是医院信息化建设的下一个目标，这将提高医疗水平、促进医学科学的发展、充分发挥数字化医院的效能具有重要的作用，体现先进计算机技术和现代医疗科研的完美结合。目前，世界上绝大多数的临床决策支持系统（CDSS）都由三部分组成：即知识库、推理机和人机交流接口部分。它主要包含以下几个使用环节：1、基于临床知识库，对信息进行收集、整理、分类、过滤、加工并建立逻辑关联知识点；2、采用警告提醒、信息按钮、成组医嘱（医嘱套餐）、文挡管理以及相关数据的表达形式；3、对疾病进行诊断、治疗、护理、手术、合理用药等方面的决策支持；4、为临床医生诊断治疗提供建议、提醒、报警、计算、预测方面的决策支持。

中国医学会的一份误诊数据资料显示，中国临床医疗每年的误诊人数约为5700万人，总误诊率为27.8%，器官异位误诊率为60%，恶性肿瘤平均误诊率为40%，如鼻咽癌、白血病、胰腺癌等，肝结核、胃结核等肺外结核的平均误诊率也在40%以上。2016年卫生部统计年鉴显示，2015年社区卫生服务中心本科以上学历执业医师约占44%，乡镇卫生院的执业医师比例更低，只有19%。从周期上看，培养一名医生大约需要5到10年时间。如果这些医生能够合理利用临床决策支持系统（Clinical Decision Support System，简称CDSS），就能在一定程度上提升他们的诊疗水平，缩短培训速度，减少误诊、漏诊以及医患纠纷等问题。如果按照使用场景来划分，CDSS拥有诊前决策、诊中决策和诊后决策三大场景：诊前决策，是CDSS根据临床医生针对患者的症状的描述，在诊断、用药和手术之前，按照标准诊疗指南提示医生诊断要求、鉴别要点以及相关诊疗方案，包括手术诊断时提示手术操作要点及术前检查等。诊中支持，是CDSS为医生提示药品适应症、药理、药效等，包括手术并发症常见症状，以及术后综合治疗及评估方案等。诊后评价，是CDSS挖掘患者与其既往医疗信息、临床研究之间联系的资料，以便于预测患者将来的健康问题，存储并分析不符合《临床诊疗指南》以及《临床技术操作规范》的治疗方案，为医疗质量评估提供依据，提升医院管理水平，规范医疗行为，同时也为循证医学提供科学的证据。对医生而言，CDSS可以有效降低基层医生误诊、漏诊率。对医院而言，CDSS是衡量、判定医院等级的重要参考。

临床决策支持系统（Clinical Decision Support System，简称CDSS）是指将临床数据做为输入信息，将推论结果作为输出，有助于临床医生决策并被用户认为具有一定“智能”的任何软件。形象的来说，面对纷繁芜杂的临床检查和病历信息，医生需要有一个帮手或工具，来帮助自己抽丝剥茧、化繁为简，找到最关键的因素或联系，做出尽可能最佳的诊疗决定，这个帮手就是CDSS。大量研究表明，CDSS的应用可以有效解决临床医生知识的局限性、减少人为疏忽（特别是药物定量方面)、相对降低医疗费用等，从而为医疗质量提供了保证。回顾决策支持系统理论与技术在临床应用与发展的30年，CDSS无论从其架构或构建方法上，都发生了巨大的变化。在此领域里的研究者和临床医生否定了原先构建专家系统的交互模式，他们认为基于专家经验的决策支持系统是不可能实现的。这存在两方面的原因：一方面，专家经验并不是CDSS知识唯一的来源，对于不同的专家在同意问题上的表述存在差异，一个专家在不同时间对同一问题的看法同样也存在着不同；同时，个人的医学经验在不断变化之中，这使CDSS利用“生产式规则”表示专家经验，为非专家用户提供决策建议时，组合相关规则易出现冲突。另一方面，在专家系统中以“产生式规则作为知识块”来表示医学知识和人类的经验，无论就系统的复杂性和人类认知来说，都是过于简单的模型，是致使专家系统低智能化的直接原因。继医学专家系统之后，人工神经网络、遗传算法、模糊聚类算法等模式识别技术和基于数据仓库的数据挖掘技术在知识发现中的应用，不断提高了CDSS的決策能力与决策范围。然而，CDSS的发展趋势受决策环境驱动，未来CDSS发展会呈现多样性和丰富性。无论何种形式的CDSS，医生是决策主体，辅助决策是本质，系统只是实现决策支持的载体形式，CDSS的知识自动析取与管理才是未来发展方向和研究的重点。

临床决策支持系统（Clinical Decision Support System，简称CDSS）是医院信息化建设的发展方向之一，正受到越来越多医院和IT公司的重视。制约CDSS发展的最大因素，是医院临床应用的高门槛：首先，CDSS必须建立起一个庞大的临床知识数据库，并有与之相配的健康人体和疾病群体大数据分析、海量数据高效整合、高通量信息资源共享等支持，才能为医生诊断和治疗决策提供帮助。目前，大部分企业的知识库都难以满足临床医生的需求。其次，由于医院内部系统之间的信息隔离，大多数CDSS与医生的临床工作脱节，导致系统提供的决策方式与临床医生的行为习惯相去甚远，从而降低了临床医生使用的积极性。因此，CDSS要想对临床医生产生切实的帮助，不仅需要先构建一个完整的临床知识库，还应当包含各种最新临床指南、循证医学证据、医学文献、医学辞典、医学图谱、计算工具、大量电子病历等海量数据，而且应当交互性良好，方便临床医生随时从数据库获取想要的信息。同时，数据库必须是开放式的，能够随时吸纳、更新各种有用信息，可以与其他的数据库进行数据交换或信息共享。对第三方信息化企业来说，这几大门槛不可谓不高。电子病历的发展为解决CDSS的困境提供了基础。电子病历系统（CPOE）作为采集、存储、传输、处理的一整套工具和应用程序，包含了面向医护人员的各类临床支持功能。医院要实现临床决策支持与日常工作流相整合，最直接的方法是在电子病历系统中实现决策支持，这样不仅可基于电子病历自动获取所需数据，而且可与医疗工作流紧密结合，提供实时的诊疗活动现场的决策支持，减少医疗决策中的失误和医疗差错。

按疾病诊断分组付费（Diagnosis Related Groups，即DRGs）是当前国际上应用较为广泛的一种医疗服务与付费方式。它根据病人的年龄、性别、临床诊断、住院天数、病症、手术、疾病严重程度和并发症、合并症以及转归等因素把病人分入若干个诊断相关组，在分级的基础上进行科学测算，然后给予医院定额预付款。简言之，DRGs就是医疗保险机构就病种付费方面与医院达成协议，为参加保险的病人向医院支付该病种的预付费标准限额，超出标准限额部分由医院承担的一种预付费制度。DRGs对医疗机构的积极影响如下：1、控制医疗费用的增长DRGs这种医疗保险的给付方式，通过疾病分类和定额支付方式对医疗机构起到了很好的约束作用，而且能够提高医疗机构的积极性，使得医疗机构尽其所能降低患者在整个治疗过程中的费用，拉大实际费用与DRGs所确定的固定费用之间的差额，达到了医疗机构、医保支付和患者三方共赢的效果。2、提高医疗机构的管理水平计算机技术给医疗管理带来了极大的便利，涌现出临床电子路径和数字化医院等一批先进的管理方法和手段。同时，对于患者住院过程中所产生的各类数据也能够输入特有的临床统计工具，形成一个庞大的数据库。3、规范医疗机构的诊疗行为由于实施DRGs方案，医疗机构不会再依靠开大处方、多检查来补偿医疗成本投入，可以针对疾病的就诊流程制定相对合理、简洁的临床路径，从而规范医疗机构内部相关疾病的诊疗程序，保证医疗质量。4、提升患者的满意度DRGs通过对医疗费用的有效控制，在各类医疗费用得以封顶的情况下，间接减轻了患者的就医负担，并且医院为了提高其效率，就自然而然地加强了医生和患者间的沟通。同时该付费方式大大简化了收费程序，使得医疗机构的价格公示更加明确。另外，任何人主观上都不乐意长期住院，从这一角度来看，能够减少住院天数对患者来说也许是一件好事。

DRG付费适用范围一、适用范围DRG是以划分医疗服务产出为目标（同组病例医疗服务产出的期望相同），其本质上是一套“管理工具”，只有那些诊断和治疗方式对病例的资源消耗和治疗结果影响显著的病例，才适合使用DRG作为风险调整工具，较适用于急性住院病例（Acute inpatients）。二、不适用范围不适用于以下情况，应作“除外”处理：①门诊病例；②康复病例；③需要长期住院的病例；④某些诊断相同，治疗方式相同，但资源消耗和治疗结果变异巨大病例（如精神类疾病）。DRG分组理念DRG分组采用病例组合（Case-mix）思想，疾病类型不同，应该通过诊断区分开；同类病例但治疗方式不同，亦应通过操作区分开；同类病例同类治疗方式，但病例个体特征不同，还应该通过年龄、并发症与合并症、出生体重等因素区分开，最终形成DRG组。DRG分组思路费率与付费标准的验证与调整一、费率与付费标准的验证在完成某个地区的DRG费率和付费标准测算以后，需要按当地前一年出院病人的实际住院费用进行模拟结算，并在考虑当年住院总费用增长率的前提下对当年费用情况进行模拟。按照DRG付费方案设计，根据DRG分组结果和测算的付费标准模拟的DRG病人总费用与病人实际住院费用之间应非常接近，如其总差异不超过5%，可以认为费率和付费标准较为适宜。如该差异大于5%，则说明当前费用和付费标准与实际情况差距较大，需要进行调整。DRG病人总费用=Σ（某DRG入组病人数×该DRG组付费标准） 二、费率与付费标准的调整在进行DRG费用和付费标准计算时，需要考虑医疗费用合理增长因素，在预测下一年的费用和付费标准时，给出适当的医疗费用增长空间（须控制在医改政策允许的最大增长范围内），以免制约定点医疗医疗技术的发展，合理补充其成本支出。同时，在DRG正常运行以后，DRG费用和付费标准需要在下一年度开始前进行常规调整，以使DRG费率水平跟上医疗机构技术发展和医疗费用增长的要求。费率和付费标准的调整需根据DRG费率与付费标准的计算步骤，利用前3年DRG分组器中的实际出院结算数据和当年可用住院统筹基金的数量进行测算，以保证费率测算数据的准确性和可靠性。DRG付费发展现状截至目前，我国已完成了“制定一组标准、完善一系列政策、建立一套规程、培养一支队伍、打造一批样板”的目标任务，已积累超1亿份住院数据参与分组，DRG改革辐射超2亿参保人员，赋能14亿人民群众民生福祉。

深化医保支付方式改革是党中央、国务院作出的重大战略部署，也是医疗保障制度自身发展完善、不断提高基金使用效率的必然要求。按疾病诊断相关分组付费（Diagnosis Related Groups，简称DRGs）是用于衡量医疗服务质量效率以及进行医保支付的一个重要工具，也是世界公认的较为先进和科学的支付方式之一。近年来，DRGs付费改革工作在我国开展的如火如荼：2019年5月，国家医保局启动DRGs付费国家试点工作，发布30个国家级试点城市名单。2019年10月，国家医保局发布《国家医疗保障疾病诊断相关分组（CHS-DRG）核心分组方案》，第一个中国统一版本DRG问世。2019年12月，国家医保局成立DRG付费国家试点协调工作小组并设立DRG付费国家试点技术指导组。2020年6月，国家医保局发布《关于印发医疗保障疾病诊断相关分组（CHS-DRG）细分组方案（1.0版）的通知》，全国唯一用于医保付费的DRG技术版本形成。2021年4月，国家医保局发布《关于印发按疾病诊断相关分组（DRG）付费医疗保障经办管理规程（试行）的通知》。2021年5月，国家医保局发布的《国家医疗保障疾病诊断相关分组（CHS-DRG）分组方案（1.1版）》为不同进度城市提供多样化选择。2021年11月,国家医保局发布《关于印发DRG/DIP支付方式改革三年行动计划的通知》。2021年12月，30个DRG试点城市陆续进入实际付费阶段、第一届中国CHS-DRG/DIP付费大会在北京召开。2022年4月，国家医保局发布《关于做好支付方式管理子系统DRG/DIP功能模块使用衔接工作的通知》。DRGs实质上是一种病例组合分类方案，即根据年龄、疾病诊断、合并症、并发症、治疗方式、病症严重程度及转归和资源消耗等因素，将患者分入若干诊断组进行管理的体系。DRGs是有效控制医疗费用不合理增长，建立公立医院运行补偿新机制，实现医保患三方共赢和推进分级诊疗促进服务模式转变的重要手段。

近年来,医疗废弃物的产生量呈逐年上涨的趋势,尤其是在疫情暴发流行期，传染性医疗废弃物的排放量更是呈暴发式增长，医院、医疗废弃物中转点和医疗废弃物处理中心面临废弃物收集、运输、处理的多重压力。为了解决疫情暴发流行期医疗废弃物处置的问题，弘远科技顺应时代要求，利用信息化手段开发了智能医疗废弃物管理系统，该系统通过物联网技术重点对医疗机构废弃物的产生、收集、贮存、交接、运输、处置等全过程进行智能化管理，提升了医疗废弃物智能设备的创新性和有效性,为发展医疗废弃物处理的新模式提供了思路。智能医疗废弃物管理系统对医疗废弃物的处置流程如下：1、对医院科室、医院病房、公共区域产生的医疗废弃物进行智能分拣、扣带、与贴标，暂存在暂存箱内。2、通过人脸识别确认收运人员的身份，读取标签确认医疗废弃物的称重信息，完成交接。3、收运人员使用智能转运车将暂存箱中的医疗废弃物按照规定的转运路线进行转运，直到规定的暂存点。4、在暂存点，按照要求对转运车上的医疗废弃物进行盘点和核查，确保医疗废弃物在暂存点期间不出现遗失外泄的事故。5、医疗废弃物转运出院时，暂存点管理人员通过二维码对信息全部清点，对转运单位的人员进行身份确认，记录医疗废弃物的转运单位、转运人、交接日期和交接时间等等，确保所有医疗废弃物都有转运出院的对应交接记录。智能医疗废弃物管理系统改变了传统的医疗废弃物的管理模式和工作模式，既提高了工作效率，又降低了因医疗废弃物处理不当而导致疾病传播的风险。

申请计划生育扶助的办理流程是非常繁琐的，要由本人申请，村（居）评议，乡（镇、街）初审，区县确认并公示，最后列入发放名单。正是这繁琐的办理程序使得群众在办一件事时会折返于多个窗口重复跑路，为了让数据多“跑路”，让群众少“跑腿”，弘远科技开发了计划生育扶助保障信息系统，该系统是一款针对计划生育家庭扶助政策的认证、申报、年审的软件系统，有利于解决窗口受理模式难题。计划生育扶助保障信息系统通过线上线下的整体运行，运用人身核验等技术，使得工作人员通过该系统可以为申请人办理受理登记，填写申请人的详细信息和其子女的基本信息；可以对政策措施、资金比例和档案进行管理；可以提交各级审核并进行公示；还可以通过该系统进行政策措施汇编查询、申报审核查询、扶助对象查询、年审审核查询和退出对象查询，了解未通过审核的原因。计划生育扶助保障信息系统有效的破解了部门林立、窗口过多的弊端，有效提升办事效率，将过去的一窗一办、一事一办提升到集中受理、后台办理，节约了办事成本，解决了窗口忙闲不均的问题，实现了企业和群众办事“一网通办”“只进一扇门”“最多跑一次”的目标，让群众切实体验到办事方便、快捷，不堵心。总的来说，该系统解决了窗口受理模式难题，减轻了相关部门的办公压力，提高了工作人员的工作效率。同时，也为扶助对象提供了便利，减少“跑腿”次数，提高了人民群众的满意度，充分体现了“便民、利民、为民”的服务宗旨。