通过整合决策支持推进精准医疗

Catherine Shaffer |  2018-03-21

在临床工作流程中对多个数据源进行对照,可以提升诊断与治疗的精确性,并优化成本效益。例如,推进心血管与癌症医学的发展就需要智能的IT工具与跨学科的数据处理策略。

点击下载 PDF版本(英文) 0.8 MB.

图片来源: Getty Images, Peter Thompson

为精准医疗奠定基础

患者健康数据日益丰富,有望实现个性化并且高效的诊断与治疗决策,这正是医疗行业范式转变的一个体现——我们如今经常提及的“精准医疗”。然而,健康数据(如临床、影像、实验室、病理或基因组数据)仍旧相互孤立。数据整合水平低致使效率低下,不仅引起了临床工作流程中的浪费与失误,而且还造成过度治疗,伤害患者之余,也导致成本超支。美国医学研究所(Institute of Medicine)在2013年的一份报告中指出,不必要且容易出错的服务造成了美国医疗系统中最大的浪费,而究其原因,就是缺乏诊断信息及需要反复进行检测。[1]

许多专家都一致认为,如果有一种整合性诊断方法能够依托计算机工具与直观的IT界面对可用的数据源加以利用,那么就能准确地制定临床路径,并为精准医疗铺平道路。[2]这也正是西门子医疗支持举办的一场专题研讨会的主题,该研讨会于2017年在芝加哥举办的北美放射协会年会(RSNA)期间召开。[3]“我们的目标是开发一种创新的方法,帮助患者找到最适合自己的疗法”Ihab Kamel博士说道,他是约翰霍普金斯大学放射学和肿瘤学系的放射学教授。

对心脏医护的数据进行比较

英国伦敦King’s College(国王学院)的心脏病学家Ronak Rajani博士认为,对于心血管医学领域来说,整合性决策支持工具不仅能够提升诊疗效果与工作效率,而且还可以节省成本。Ronak Rajani博士指出,心血管疾病的病患在不断上升,而相关的知识库以及医生需要处理的疾病数据也在增加。

 Rajani说,比如十年前,为胸痛的病人进行诊断是一个相对简单的过程。但今天,需要先对照不同来源的信息系统的多个数据集——包括临床数据、电子病历、验血报告、心电图,以及先前的影像与血管造影图——才能进行冠状动脉CT血管造影。整合性决策支持工具把所有这些信息汇集到统一的平台上,不仅可以简化工作流程,而且还能帮助医生针对患者的具体情况选择最佳的治疗方案。

 “我们需要的并不是更多的临床医师,而是智能化的解决方案,”Rajani说道。因此,在临床工作站通过计算机进行整合,不仅可以对病历与科技文献上的最佳实践进行对照,而且还可以把治疗结果反馈给算法,进而持续改善治疗策略,支持未来的临床决策。

“我在伦敦一年要做2500次心脏CT扫描,再加上世界各地的九家中心,如果采用整合性决策支持工具,就能从25000名病人处采集到非常可观的分析数据了,”Rajani说道。

迈向精准癌症分期与风险分级

癌症治疗也是一个需要在决策过程中对大量数据进行整合的医学领域。数据整合面临着许多挑战,包括风险评估、肿瘤分期、以及在团队中的专科医生之间进行协调。比如,对于前列腺癌风险评估来说,运用计算机工具能够克服决策难题。自上世纪九十年代中期起,PSA(前列腺特异性抗原)筛查就开始用于对病人进行前列腺癌筛查并预测风险。约翰霍普金斯大学放射学、泌尿学与肿瘤学教授Katarzyna Macura教授表示,虽然该方法降低了死亡率,但对于较轻的病情,却会导致有害的过度治疗并引起不必要的副作用。Macura认为,要想克服这种进退两难的困境,就得提升风险分层与治疗决策的水平。

她提议,在决策过程中利用血液、尿液与基于组织的生物标记以及先进的磁共振成像技术,对肿瘤进行评估,并进行更加准确的活组织检查。未来,利用计算机分析与建模工具就能够对高通量技术(如基因组学、蛋白质组学与放射组学数据)提供的多种格式的数据进行集成,避免过度治疗并实现个性化的疾病管理。[4]

对于肺癌来说,肿瘤影像分期是一项相当耗时的工作,而这正是IT决策支持工具的用武之地。影像报告在内容与质量上不尽相同;此外,管理影像与临床数据是一项艰难的工作。但是,如果有简洁直观的交互前端,就能利用软件进行管理。

“我们几乎被淹没在海量的数据之中,而这是一个不可避免的趋势,” 巴塞尔大学医院放射与核医学学系研究副主席,Bram Stieltjes博士说道。Stieltjes博士认为,肺癌分期往往容易出错或效率低下。举例来说,正电子发射断层成像(PET)是为非小细胞肺癌病人进行分期的标准诊断程序,但读取图像要花一个小时,而且核医学科的内部沟通经常不甚理想,使效率进一步受损。



 

大多数医院出具的报告都不是严格统一的,并不包含所有相关信息。Stieltjes解释道,所有这些因素可能会导致分期错误与治疗失误。它们建议采取利用RIS与PACS库中的图像数据的自动分期系统,并结合采用机器学习技术的数据管理与图像标注。然后,可以通过用户界面读取临床数据与带标注的报告。该过程需要基于病人数据库进行多个学习阶段,随后会进行概率性肿瘤分期,供肿瘤委员会与诊断部进行复审。Stieltjes说:“比起所谓的灵丹妙药,人机互动才是这个问题的解决之道。”

整合患者价值

整合性临床决策需要考虑病人的意愿。荷兰奈梅亨拉德堡德大学乳腺和介入放射科Ritse Mann博士在讲话中强调了这一点,对多学科(康复)综合小组(MDT)在癌症护理中的挑战进行了阐释。Mann博士认为,MDT流程有许多问题,比如从病历中收集相关数据耗时、遗漏或忽略数据,以及在MDT会议中的沟通主要使用口头讲述,让整个流程沦为“电话游戏”。比如,MDT的讨论经常由没有经过专业训练的助理负责记录,可能存在不准确的情况,但即便如此,还是用于与其他医师进行沟通交流。

Mann认为,可以运用简化病人数据呈现以及标记相关治疗的参数调节的信息工具,解决这些问题,这样就能以患者为中心开展治疗讨论。不过,在该过程中,病人的意见是不应该忽略的。如果在MDT的讨论中能够兼顾病人的意见,就能打造个性化的医疗方案。拉德堡德大学放射科主任、放射学教授Mathias Prokop同意道:“归根结底,整合决策的目的是提供基于价值的医疗服务,从病人的实现情况出发,保证疗效。”


关于作者

Catherine Shaffer是一位专攻生物技术、制药、IT与医疗设备的科学作家。她拥有生物化学的博士学位,曾从事实验科学工作,关注医疗方面的发展动向逾15年。Catherine常驻美国密歇根州安阿伯市。


分享此页面:

Related Articles

[1] Smith M, Saunders R, Stuckhardt L, et al. (editors) Best Care at Lower Cost: The Path to Continuously Learning Health Care in America. National Academies Press (U.S.); 2013 May 10 (https://www.ncbi.nlm.nih.gov/books/NBK207218/, accessed December 5, 2017)

[2] Lundström CF, Gilmore HL, Ros PR (2017) Integrated Diagnostics: The Computational Revolution Catalyzing Cross-disciplinary Practices in Radiology, Pathology, and Genomics. Radiology 285:12-15

[3] https://www.healthcare.siemens.com/newsand-events/conferences-events-new/rsna/
meet-us, accessed December 5, 2017

[4] Coley RY, Zeger SL, Mamawala M, et al. (2017) Prediction of the Pathologic Gleason Score to Inform a Personalized Management Program for Prostate Cancer. Eur Urol 72:135-141

以上西门子医疗客户的陈述是基于该客户特定的背景所做出的。因为不存在所谓“典型”的医院,而且各医院的客户条件也不尽相同(如医院规模、病例组合、IT使用水平),所以不能保证其他客户能够获得同样的效果。