《imit白皮书：关于医疗领域规则表达的浅识（2022）（47页）.pdf》由会员分享，可在线阅读，更多相关《imit白皮书：关于医疗领域规则表达的浅识（2022）（47页）.pdf（47页珍藏版）》请在三个皮匠报告上搜索。

1、医疗系统业务规则库的构建正在面临创新。大数据和人工智能技术的发展使得在由医疗业务产生的大数据中挖掘规则成为新途径。学界和工业界对此开展了众多的研究和实践探索，部分尝试探索在特定环境中的杰出表现让人们相信数据驱动规则挖掘的可行性和应用前景。但在实际生产环境中，将已知医疗业务规则计算机化是备受信赖的直接途径。大部分医疗机构及医疗信息化企业仍将此传统的规则库构建方式作为重要的组件。即基于不同临床业务环境和目的实现，将人读的医疗业务规则通过计算机语言进行形式化表达，通过规则引擎技术完成执行或微服务的实现。本白皮书将以临床指南、临床路径和医保监管政策等不同程度知识渗透的业务规则为代表，谈谈我们对于医疗领

2、域规则表达的浅识。同时，重点梳理了国内外业务规则库的构建和应用现状和一些前沿案例，希望能对医疗领域业务规则库的创新构建提供启发与参考。本期导读浙江数字医疗卫生技术研究院浙江数字医疗卫生技术研究院战略咨询研究中心&智能应用中心 战略咨询研究中心&智能应用中心 张建楠查裕忠周佳卉李莹莹关于医疗领域规则表达的浅识A Brief Insight into the Rule Representation of the Medical Field第24期关于医疗领域规则表达的浅识1内容摘要(一)规则的概述本章主要概述了规则相关的基本知识，包括规则的定义、类型和获取路径，规则的表示方法及其形式化，规则的执行

3、与存储管理。(二)医疗领域规则的获取表达本章聚焦医疗领域规则的获取表达，介绍了医疗业务规则的主要来源，包括临床指南等原始经验知识、临床路径和医保监管等政策规范。梳理了医学业务规则实现计算机化形式化的知识模型基础。依据规则性质的不同，将医疗业务规则进行分类分型，并具体阐述了不同类型业务规则的获取与表达过程。(三)医疗领域规则的应用本章聚焦医疗领域规则的应用结合案例重点介绍了常见基于规则的医疗信息系统的发展现状。通过例举临床决策支持系统、医院检查预约系统、医疗保险审核系统、临床检验审核系统中规则库的应用和构建方法，剖析了当前医疗领域规则获取与应用的要点与难点，包括：1）医学知识相关的复杂规则的构建

4、；2）对医学专业人员友好的规则构建与维护工具；3）医疗规则的标准化建设。(四)医疗领域规则构建与应用前沿案例在医疗健康领域，简单的管理业务合规型规则不能满足日益复杂的医疗业务需求，临床诊疗合理型规则是临床举措支持的基础，而融合了临床知识的临床业务合规型规则是管理规范化和标准化的基础，这种管理业务流程和临床融合的复杂模型成为医疗和医保信息化快速发展的刚需。为应对面临的发展与挑战，例如业务规则医工互理解难度大，又如医疗业务规则和知识的计算机化工程庞大复杂、难以突破。本章基于临床指南、临床路径和医保监管的计算机化在当前面临的困境和要点，探索分析了国际上一些前沿的经典案例，供业界参考。(五)发展趋势与

5、展望当前，数字化正在重塑医疗保障、医疗服务在内的公共服务提供和社会治理格局，利 用“ABCD”技 术（人 工 智 能 Artificial Intelligence、区块链 Blockchain、云计算 Cloud Computing、大数据 Big Data）能发现复杂现实背后的普遍联系，推动医保审核规则、临床指南、临床路径等医疗领域规则“数字化”或“计算机化”是当前数字基础设施建设的基础工作之一。新时期，医疗领域规则与知识的计算机化发展、标准化构建将成为重要命题，本章在最后就相关问题进行展望。白皮书2第 24 期研究简介(一)研究背景2022 年 3 月 30 日，国家医疗保障局印发医疗保

6、障基金智能审核和监控知识库、规则库管理办法（试行）要求“加强医疗保障基金智能审核和监控知识库、规则库管理，提升监管效能，促进基金有效使用”。该文的发布为医疗领域规则构建带来了新关注，可以预见基于“两库”的融合与应用将成为下一阶段医保信息化建设与发展重要事项。在此背景下，本期白皮书旨在综合性梳理信息系统中有关规则的基础性知识和医疗领域中的规则应用情况，为对该主题感兴趣的读者提供基础性的材料参考与启发。(二)研究目标了解关于规则的基本概念和规则表达基础知识。了解医疗领域规则构建与应用现状。梳理国际领先案例的具体经验与做法，为进一步促进医疗领域规则构建提供参考借鉴。(三)研究方法本研究通过对国内外相

7、关文献和资料进行检索和整理归纳分析，并通过对相关领域专家的深度访谈，总结了医疗领域规则构建与表达基础知识。通过广泛收集医疗领域规则应用，进行案例研究，深入了解医疗领域规则构建与应用情况。(四)浙江数字医疗卫生技术研究浙江数字医疗卫生技术研究院（简称“数研院”，imit）是中国首家致力于数字与信息化技术在医疗卫生健康服务领域研发与应用的专业性非营利研究机构（NPO/NGO），院长为杨胜利院士，理事长为李兰娟院士，常务副院长为郑杰先生。数研院聚集众多业内的资深院士和专家学者、全球著名的医疗保健设备厂商、国内外领先的行业软件企业来共同从事该领域的研究开发、顾问咨询、认证评估、国际合作、成果转化等工作

8、，并引领政、产、学、研、用、资六位一体的公益事业公共服务支撑平台，进而营造出可生存可持续发展的数字医疗卫生产业链生态环境。(五)版权说明本白皮书版权属于浙江数字医疗卫生技术研究院，并受法律保护。转载、摘编或其它使用本白皮书文字或观点内容，请注明“来源：浙江数字医疗卫生技术研究院”，若违反上述声明者，本院将追究其相关法律责任。关于医疗领域规则表达的浅识3前言在相关政策引导推动下，2022年5月历时两年半的全国统一的医保信息平台全面建成，并在全国 31 个省份和新疆生产建设兵团全域上线。新平台涵盖公共服务、经办管理、智能监控、宏观决策四大类医保业务。通过部署医保管理类规则库、临床诊断规则库、药品规

9、则库和诊疗项目规则库等各类智能监管规则库，倒逼医疗机构加强基金安全管控，有效促进医保基金协同监管1。医保基金智能审核和监控是信息化时代医保管理重要的技术手段。知识库、规则库（以下简称“两库”）建设是智能审核和监控的工作核心，其建设质量关系到智能审核和监控应用的成效。从已有的部分省市发布的智能审核规则来看，医保管理部门发布的医保智能监控规则并不等同于软件系统中使用的“规则”，而是一种“人可理解的”的要求与约束文本规范2。如何将“人读”的文本规则规范有效地应用于信息化系统中，需要完成对“规则”的理解与翻译，转化为系统中的“规则”，即我们所说的“规则的计算机化”，进而构建基于规则的智能审核系统。可以

10、预见，基于“两库”的融合与应用将成为下一阶段医保信息化建设与发展中的重要事项。在此背景下，本期白皮书旨在综合性梳理信息系统中有关规则的基础性知识和医疗领域中的规则应用情况，为对该主题感兴趣的读者提供基础性的材料参考与启发。若白皮书编写内容存在疏漏或错误，敬请批评指正。2020年6月30日，国务院办公厅印发关于推进医疗保障基金监管制度体系改革的指导意见（国办发202020 号），提出从包括全面建立智能监控制度等在内的六大方面全面推进监管制度体系改革。2020 年 12 月 9 日国务院第 117 次常务会议通过中华人民共和国国务院令第 735 号医疗保障基金使用监督管理条例自 2021 年 5

11、月 1 日起施行，要求医疗保障行政部门应当加强与有关部门的信息交换和共享，创新监督管理方式，推广使用信息技术，建立全国统一、高效、兼容、便捷、安全的医疗保障信息系统，实施大数据实时动态智能监控，并加强对共享数据使用全过程的管理，确保共享数据安全。2022 年 3 月 30 日，国家医疗保障局印发 医疗保障基金智能审核和监控知识库、规则库管理办法（试行）要求“加强医疗保障基金智能审核和监控知识库、规则库管理，提升监管效能，促进基金有效使用”。办法中对于智能审核和监控系统中使用的知识库与为切实守护老百姓看病、救命的“钱袋子”，国家正在深入推进医保基金监管制度体系改革，通过全面提升医保治理能力，守护

12、医保基金安全底线。近年来医保规范化、标准化建设措施频频，利用医保撬动医疗领域利益关系调整正在深刻影响整个行业。同时，医保信息化产业在这场改革中正面临着新的机遇与挑战。国家连续出台健全医保智能监控制度规范相关政策，强调发挥信息化作用，支撑和引领医保治理与服务，促进医保服务数字化转型。规则库给出了明确的定义以及产生依据，同时也明确了知识库与规则库的生成的审查制度以及动态调整的维护机制1。白皮书4第 24 期一、规则的概述自企业内部的策略，这些策略包括用于约束业务活动和流程的条件；另一方面是来自企业外部的政策，包括政府、税收和法律等部门的法律法规5。在医疗领域中，规则的内容也非常多样，包括了临床指南

13、、临床服务规范、临床路径、医保监管规则、医疗质量管理制度等。我们要区分规则和规则表达的不同。每个规则的陈述可以是清晰或不清晰，可以是确定性的，也可以是模糊的；在规则的表达上既可以使用自然语言表达的业务语言，也可以是技术语言或编程代码6。本文关注的是计算机系统中如何获取、表达和应用规则，即规则的“计算机化”。2.规则的类型对于规则的分类维度非常多样，不同的研究背景或研究对象有不同的分类框架，不同表达类型中又有不同的规则描述，因此对于规则的理解是丰富的或者说充满歧义的。我们列举了一些比较常见的业务规则的分类，见表 1。系统中不同的规则有其适用的场景和作用。例如，演绎规则和事实能够触发一个正向或反向

14、的推理引擎来推导隐含的事实；完整性规则实现对数据或业务逻辑的约束确保它们在数据库或知识库中的一致性；反应性规则是更新数据库或知识库的基础7。不同规则实现执行的方式也不相同。在反应性规则中，通过验证条件是否满足，并在消息到达或计时器事件触发规则时执行操作，声明式规则通过在操作部分结合规则语义和命令式编程来扩展其执行能力7。具体到业务领域的规则，又有各自的描述与分类，例如医疗保障基金智能审核和监控知识库、规则库管理办法（试行）中将医保规则描述为基于知识判断监管对象相实际上，规则在信息系统中的应用早已无处不在，关于使用规则的系统研究和应用也并不是一个新鲜的话题，那为什么到今天，我们还在关注着这样稍显

15、“过时”的话题呢？一方面如前言所述，是医保规范化发展对业务规则的重构与梳理带来的新关注；另一方面从本质来说这也体现了研究与工程应用中的现实差距。基于大数据驱动的人工智能研究虽然取得了众多可喜的结果，但却难以解释，而基于规则的推理方法具有明确的前提,能够得到确定的结果3，因此在决策的自动化执行中基于规则的系统仍是主流。同时，研究数据驱动的机器学习和与知识驱动的符号计算相融合的人工智能成为发展趋势，这也表明了知识在人工智能性能提升中的重要作用。因此，我们认为包括规则在内的知识工程不仅是当前系统应用，也是未来技术发展的重要基础。那么，什么是规则？规则的表达方式有哪些？在进入医疗领域规则构建与应用了解

16、之前，我们将首先简要地介绍关于规则的基本概念和规则表达的基础知识。(一)什么是规则 1.规则的定义中文语境中，名词性的规则有两类含义，第一种含义是：“规定出来供大家共同遵守的制度或章程”，例如交通规则、工厂管理规则；另一种含义是：“规律”，即事物之间的内在的本质联系，这种联系不断重复出现，在一定条件下经常起作用，并且决定着事物必然向着某种趋向发展4。本文所指的规则是指前者。与一个组织或企业的业务相关的操作规范、管理章程、规章制度、行业标准等都可以称为规则，也称为“业务规则”,业务规则的来源主要有两方面：一方面是来关于医疗领域规则表达的浅识5关行为合法合规合理性的逻辑、参数指标、参考阈值以及判断

17、等级，从合法合规合理性类型划分为医保政策类规则、合理用药类规则等。为了便于理解，本文主要从业务角度出发，介绍不同类型的医疗领域规则的表达与应用。3.规则获取路径在构建基于规则系统的第一步要解决的问题是如何让计算机“理解”规则。在知识获取方面，主要有非自动知识获取、知识抽取、机器学习知识三种方式11。规则作为知识的一部分，本文参考知识获取路径也归纳了计算机化规则获取的三条实现路径，见图 1。人类可以使用自然语言灵活地表达规则，但当前的人工智能和软件系统还无法像人类一样交换信息，那么将人所理解的规则进行分析、归纳、整理输入到系统中就成为了最基本的方式。而为保证业务逻辑的完整性和一致性，在软件系统中

18、使用形式简单、确定且严谨的语言来描述业务规则成为了必然的选择12。一般的，规则的表达需要符合一定的语法，此语法及其包含的全部要素组成了规则描述语言。在规则系统发展过程中产生了非常多的规则语言，例如 SILK、OntoBroker、Eye、VampirePrime、N3-表 1 业务规则分类列举提出者分类Business Rules Group(BRG)8 结构性断言（术语、事实）操作断言（完整性约束、条件、授权）派生（计算、推断）Ron Ross，Database Research Group 术语 事实 规则 约束 推导 推理 定时 顺序 启发式Tom Romeo,IBM9 结构（关系、域、

19、基数、可选择性）行为（前条件、后条件、推导）Natalia Iglesias 10 推导或演绎规则（用于派生新知识)转换/翻译规则 结构/状态/过程/流程的完整性约束 反应性规则或事件-条件-动作(ECA)规则知识库：是指医疗保障基金智能审核和监控所需知识和依据的集合，由法律法规、政策规范、医药学知识、医保信息业务编码、管理规范等构成。规则库：是基于知识库判断监管对象相关行为合法合规合理性的逻辑、参数指标、参考阈值以及判断等级等的集合。规则库基于知识库产生。规则要素包括规则名称、定义、逻辑、参数、应用场景、判断等级以及具体违规情形等。医疗保障基金智能审核和监控知识库、规则库管理办法（试行）白皮

20、书6第 24 期Logic、SWRL（声明性规则语言）和 Jess、Drools、IBM ILog、Oracle Business Rules（生产规则语言）以及RIF（规则交换格式）13。医疗领域中常用的规则表达语言主要有Drools 和 Arden 语言。从形式上来说，规则语言主要可以分为结构化的（Structured）和基于标记的（Markup，通常为 xml）两类。用规则语言描述规则需要应对大量编译工作。让机器直接理解人的语言成为了一个自然而然的方式，这也是人工智能研究初始的核心任务之一。随着人工智能技术的发展和自然语言处理技术的进步，利用自然语言处理技术有望快速实现业务规则的计算机化

21、，提高规则的转化效率，成为了应对业务规则越来越多且精细化的当下的重要技术方向。例如，林佳瑞等提出了一种将规范文本自动翻译为可计算逻辑规则的方法，是一种基于自然语言处理（NLP）的自动规则转换方法，能够将文本形式的规则（如工程标准、法规、规范条款）自动转化为计算机可自动计算、推理的逻辑代码14。虽然我们已经制定了大量的规则，但面对浩如烟海的业务数据与业务流程，规则制定的滞后性和不全面性难以避免，同时大量的复杂业务过程的规则难以用简单清晰的规则语言进行描述，基于大数据的规则学习和模式识别自然的成为了规则“理解”的另一种选择。这种方式相较于前两者从“人可读”规则到“机可读”规则的不同，该路径下直接产

22、生了机器可理解的规则，而人如何去理解与评价这类规则的正确性则转变为了人工智能里重要的“可解释性”研究议题，对于规则的理解重心转变成了从“机器可读”到“人可读”的逆向过程。在医疗领域中，大量已明确的业务规则尚需有效执行与落地，因此从当下的应用落地性出发，本文主要着重介绍第一条路径的相关技术手段与应用现状。(二)规则的形式化 1.规则的表示方法从上文可知业务规则也是领域知识范 畴，规 则 的 表 示 同 样 属 于 知 识 表 示（Knowledge Representation）的范畴。而知识表示是指对知识的一种描述，或说是对知识的一组约定，可以是符号化、形式化或模型化15,16。理论上任何知识

23、都可以采用任何形式表示出来，但必须考虑方便性和可维护性。广义的知识表示指人类用来表示知识的所有方法，比如文字、图形、图像、声音、数据、模型等任何方法。狭义的知识表示的方法专指计算机科学领域使用的知识表示方法，其是知识工程的关键技术之一，主要研究如何将人类知识存储在计算机中且便于计算机处图 1“计算机化”规则的三条获取路径来源：白皮书研究团队研究绘制关于医疗领域规则表达的浅识7理。具体领域或场景下采用何种方法才能让计算机可行、有效且可维护是关键，既要考虑领域知识的表示与存储，又要考虑知识的使用。一个好的表示方法应同时具备以下性质17：表达充分性：具体确切表达领域中各种知识的能力；推理有效性：能够

24、与高效率的推理机制密切结合，支持系统的控制策略；操作维护性：便于实现模块化，并检测出矛盾及冗余内容，便于知识更新和维护；理解透明性：便于理解，易读、易懂，且便于知识的获取。国内外学者对各种知识表示的方法进行了深入的研究，形成了丰富的知识表示方法。传统知识表示方法有逻辑表示法、产生式表示法、框架表示法、语义网络知识表示、基于本体的知识表示法等；随着面向对象技术的深入发展，也提出了面向对象的知识表示方法；针对不确定性知识的表示方法提出了基于概率的、基于模糊集和基于粗糙集等不确定属性理论的知识表示方法；以及近年来面向人工智能的知识图谱表示方法、基于神经网络的知识表示等1720,15,21。在实际领域

25、应用过程中发现，虽然不同知识表示方法在特定知识类型上运用都比较成功，但每种方法都存在着一定的局限性，不能完全具备知识表达方法的四项性质，很难通过单一的方法解决某个领域内的所有知识表示，因此针对单一表示方法的改进，以及多种传统表示方法结合的混合知识表示方法成为了目前研究的热点。本文将主要介绍针对规则类知识的表示方法，根据国内相关学者的研究发现，针对规则类知识表示方法主要采用逻辑表示法、产生式表示法、框架表示法等。1）逻辑表示法逻辑表示法主要使用命题逻辑和谓词逻辑来描述事实，并根据已有事实推出事实。利用逻辑公式，能描述对象、性质、状况和关系，主要用于自动定理的证明。最常用的逻辑表示有命题逻辑和谓词

26、逻辑。命题逻辑是数理逻辑的一种，数理逻辑是用形式化语言(逻辑符号语言)进行精确(没有歧义)的描述，用数学的方式进行研究。我们最熟悉的是数学中的设未知数表示。例：用命题逻辑表示下列知识：如果a是偶数，那么 a2是偶数。解：定义命题如下：P：a 是偶数：Q：a2是偶数，则：原知识表示为：P Q。谓词逻辑也是一种形式语言，与人类的自然语言比较接近，因此谓词逻辑表示方法也是最早使用的一种知识表示方法，具有简单、自然、精确、灵活、容易实现等特点。谓词逻辑的一般形式为：P(x1,x2,xn)。其中，P 是谓词；x1,x2,xn是个体(常量、变元或函数)。例如：对于“小李的父亲是教师”，可以表示为 Teac

27、her(father(Li)；对于“公式x7”，可以表示为 Less(x,7)。逻辑表示适用于表示事物的状态、属性、概念等事实性的知识，也可以用来表示事物间确定的因果关系（即规则）。逻辑表示是建立在形式逻辑之上，优势在于可以保证新旧知识在逻辑上的一致性和演绎所得结论的正确性；且作为一种形式推理方式，不依赖任何具体领域，具有较大的通用性。局限性在于缺乏组织原则，难于进行知识管理；以及难于表达不确定性知识和启发性知识；推理方法在事实较多时易于出现组合爆炸，且推理过程冗长、效率低。白皮书8第 24 期2）产生式表示法产生式表示法又称为“产生式规则表示法”、“规则表示法”、“IF-THEN 表示”，是

28、基于美国数学家波斯特（Post）在1943年提出“产生式”概念发展出的一种知识表示方法，基本形式为：P Q，表示 IF P THEN Q，其中 P 为前提（亦称条件、前件），Q 为结论（也可以为要执行的操作），整个产生式的含义：如果前提被满足，则可推出结论或执行所规定的操作。产生式规则中的条件和结果可以由逻辑运算符 AND、OR 或 NOT组成表达式。例如：IF“镰状细胞性贫血”AND“多器官衰竭”AND“血红蛋白 10”THEN“红细胞输注”基于产生式规则的系统也称为产生式系统（production system）或基于规则的系统（rule-based system）,典型的产生式系统有 M

29、YCIN、PUFF、AM 等系统。一个产生式系统主要由全局数据库、产生式规则库和控制系统三个部分构成15。产生式表示方法具有统一的知识表现形式，适用于建立知识与知识之间联系相对较弱，知识推理规则简单，容易表示简单的知识形式。产生式的形式决定了知识与推理规则是分开的，这样易于知识库的扩展和修改，推理规则独立于知识单独存在，降低了对知识的依赖性，使得推理的逻辑简单明了。产生式表示法的局限在于它不能表达具有结构性的知识，且由于求解过程是一个匹配、冲突消解反复执行的过程，工作效率不高，以及在求解复杂问题时容易引起组合爆炸17。3）框架表示法框架表示法（Frame Representation）是基于美

30、国人工智能学者明斯基（Minsky）在 1975 年提出的“框架（Frame）”理论，是一种用于描述对象属性的知识表示方法。可以将有关对象、事件、状况等内容的语义知识组织起来，构成一个结构化的整体，即“框架”，也就是知识表示的基本单元。不同框架之间可以通过属性之间的关系建立联系，从而构成一个框架网络，充分表达相关对象间的各种关系。框架的一般格式如下：FRAMEWORK：value ：value ：value ：value一个框架由若干个槽（slot）组成，每个槽都可以填入具体的值，槽值可以是逻辑的、数字的，也可以是条件、程序、默认值或是一个子框架，每个槽也可以根据实际需要分为若干个侧面，每个侧

31、面用于描述槽的取值范围、约束或求值方法等16。一个框架可以包含各种信息：描述事实的信息、如何使用框架的信息、下一步可能发生的信息等等。框架表示法提供了一个对象或一类对象的结构化表示，优点在于表达能力强，层次结构丰富，具有良好的继承性，不仅减少框架网络表示知识的冗余，而且较好地保证了知识的一致性，提供有效的知识组织的手段（如只要对某些细节做进一步描述，就可以将其扩展为另外一些框架）。局限在于缺乏形式理论，没有明确的推理机制保证问题求解的可行性和推理过程的严密性；由于许多实际情况与设计框架原型存在较大的差异，因此适应能力不强；框架系统中各个子框架的数据结构如果不一致会影响整个系统的清晰性，造成推理

32、的困难。关于医疗领域规则表达的浅识9 2.规则的形式化1）规则形式化类型规则表示方法需要结合程序语句或者描述语言等将业务规则以计算机可以执行的方式进行呈现。规则的形式化就是指用一套约定的符号将规则编码成计算机可以直接识别，并能够系统、正确地利用和管理的数据结构。规则的形式化从编码类型来说可分为指令式编码方式和声明式编码方式。指令式是通过程序语句来描述业务规则，使用顺序性的代码指令或语句描述计算机如何执行相应的操作，通过代码来明确业务规则的执行条件、顺序和操作等。这种方式适合于业务规则简单且稳定不变的系统，直接编写规则代码可以减少许多实现的复杂性，可能是最好的选择。但当规则发生变化时，则需要修改

33、相应的代码，会导致系统不够灵活，对于复杂业务规则的应用场景不太适用。声明式是指在计算过程中描述规则的逻辑结构而不是其控制结构的表现形式。该形式重点关注的是规则将要完成的任务，而不关注如何完成这些任务。典型表现形式有：以 UML/OCL为主的建模语言形式、决策表/决策树形式、SQL 语句形式、规则模板形式、规则描述语言等22。表 2 常见规则形式化类型介绍编码方式类型说明指令式脚本语言主要使用指令式编程语言中的“IF THEN”、“DO WHILE”语句来表示规则。声明式规则语言使用类似自然语言来表现业务规则，是最常用的规则表达形式。是产生式规则描述的工程化和具体化的产物，它既具有产生式的一般形

34、式，又对产生式中的条件部分和推论部分进行了具体的定义和实现23。声明式决策表采用表格的形式来表达规则，每一行为一条规则，每一列表示规则分别表示规则的条件、行为（动作），当所有条件满足时则执行动作。声明式决策树把规则抽象为树的形式，分支节点代表条件，树叶为选定的规则。声明式规则模板规则模板形式是通过提供一套规则框架或样式辅助业务人员和技术人员一致地、有条理地、明了地表达规则，阐明业务逻辑。例如：Ronald G.Ross的 Rulespeak 就是典型的规则模板，每个类型的规则都有对应的规则样式，规则格式为，其中 term 是统一定义的术语，可以是概念、概念的属性、值或值的集合等等；operat

35、or 是对 term 可实施的操作24。声明式UML/OCL需先使用统一建模语言（Unified Modeling Language，UML）建立模型，然后用对象约束语言（Object Constraint Language，OCL）表达约束规则。UML 类图用来表示规则对象的属性、类及其关系，OCL 语言中的不变式用来补充说明附加在模型元素上的条件和限制，以表现对该对象的约束。白皮书10第 24 期2）常见的规则语言介绍目前行业内主要应用的规则语言有：规则引擎自带的规则语言，如 JBoss Drools、ILOG JRules、Jess 等引擎（相关内容详见下文“规则引擎”）；以及面向语义

36、Web的规则标记语言（Rule Markup Languag，RuleML）、描述逻辑程序（Description Logic Programs，DLP）、语义 Web 规则语言（Semantic Web Rule Language，SWRL），以及 W3C 提出的规则语言交换格式（rule interchange format，RIF）。RuleMLRuleML的研究开始于2000年8月的环太平洋人工智能国际会议，目标是通过 XML标记、形式化语言和有效的实现将 RuleML开发成一个规范的 Web 规则语言25，专门用于表示Web语义的规则表示，以期达到基于 Web 的规则存储、交换、检索

37、和使用26。并在 XML、RDF、XSLT 和 OWL 上构建了一个规则子语言的层次结构，包括派生(例如SWRL、FOL)、完整性(例如 OCL 不变量)、反应(即事件-条件-动作“ECA”)、转换(例如 XSLT)和产生性规则(例如 Jess)。RuleML 对于规则表示的各个部分都进行了细致的刻画，把一个规则划分成为若干个原子部分。以head标签表示实事的结论或then 部分，body 表示规则体或 if 部分。它不但可以表示各种流行的规则系统，还可以用 var、ind 等表示不同的单个常量或逻辑变量以及结构等，此外它还能很好地支持Horn逻辑语句，特别适合规则系统的表达，且基于这种规则描

38、述语言也有了一些比较成熟的规则引擎。SWRL2003 年 11 月 DARPA 组织提出了语义Web 规 则 语 言（The Semantic Web Rule Language，SWRL）是融合了 W3C 本体语言 OWL 和 RuleML 的一种规则语言27，目的是为了驱使 Horn-like 规则可与 OWL 知识库产生结合，以提供更强大的推理能力。与RuleML规则类似，SWRL规则也以蕴含的形式存在，并被认为是在其他 OWL 公理类型之上的另一种类型的公理。W3C 定义的网络本体语言 OWL 的子语言 OWL DL 在表达能力上局限于描述逻辑，而规则却能够提供较强的逻辑表达能力，例如

39、使用一阶逻辑来定义概念 Uncle：Parent(?x，?y)Brother(?y，?z)Uncle(?x，?z)，而 OWL DL 无法定义这样的关系，因在此背景下提出的SWRL28。SWRL 优势在于是一种以本体为基础的规则语言，支持 W3C 本体语言 OWL，具有较丰富的关系表达能力，同时 SWRL 将本体和规则相分离29，用SWRL语言描述的规则可以很方便地被转化为现存的规则系统中的规则。例如：基于 SWRL 规则进行领域本体的完善，基于 SWRL 的推理机制如图 2 所示。首先对 SWRL 格式的规则和 OWL 格式的本体和进行格式转换；再将转换后规则库和事实库导入Jess规则引擎进

40、行推理，就得到了新的推断事实库；最后将新的事实库转换成新的 OWL 格式领域本体。新的领域本体相较原本体并没有概念上的扩充，只是增加了概念之间的语义关系，将原本体中隐含的知识显性地表示出来。RIFRIF是由W3C组织中的RIF工作组开发和制定的，是为了促进规则集集成和综合而开发的标准。RIF 的使命是 W3C 更大目标的一部分，即以适合机器处理的形式共享语义规则信息。作为规则交换的中间格式有以下优势：基于 XML 格式,适合在网络中传输；是语义Web中的一部分，便于计算机自动处理规则的交换；不仅仅是一种格式和语法，也是一种对于规则语言的可扩展框架30。关于医疗领域规则表达的浅识11RIF 是由

41、一组 RIF 术语集（RIF dialects）组成的，每一种术语集都有详细的语法、语义和 XML 描述，对应着一类规则语言。RIF的可扩展性意味着可以增加新的 RIF 术语集以表示一类新的规则语言。在保证语义完全的情况下，任何不同种类的规则可以和它适合的 RIF 术语集建立相互转换；且两种不同的规则语言可以找到两者都共同适合的 RIF术语集，这样这两种规则语言就可以通过这种 RIF 进行规则交换。(三)规则的执行根据业务规则的表示及组织形式，信息系统中业务规则的技术实现方式有许多种，主要有程序代码、脚本文件、数据库机制、规则引擎22。其中编码、脚本、数据库机制这三种规则执行方法是传统软件系统

42、中采用的规则逻辑执行方法，只适合于具有小量简单规则且规则逻辑不变的场景。对于规则逻辑复杂多变的应用场景，需要更加稳定的系统和灵活、敏捷的规则维护模式，这些方法已不再有效。规则引擎的提出有效地解决的上述方法存在的问题，同时规则引擎也是目前流行的基于业务规则的专家系统中普遍采用的规则执行技术，因此，本文详细介绍当前规则引擎的发展情况。1.规则引擎规则引擎的起源是基于业务规则的专家系统，是由推理引擎发展而来。它将业务规则逻辑从程序代码中独立出来，使用语义模块编写业务规则逻辑、接受数据输入、执行业务规则，并根据规则做出业务决策。2010年前后，规则引擎已经是商业领域非常热门的应用，出现了众多成熟的业务

43、规则技术供应商（见图 3）31，可以看到目前主流在用的规则引擎例如 JBoss Rules、ILOG Jrules、Jess 等都已经有二三十年的历史。图 2 基于 SWRL 的推理机制来源：陈布伟,李冠宇,张俊,李佳燕.基于语义网规则语言的推理机制框架设计 J.计算机工程与设计,2010,31(04):847-849+853.DOI:10.16208/j.issn1000-7024.2010.04.060.白皮书12第 24 期 JBoss Rules （Drools）ILOG JRules图 3 BizR 梳理的 2010 年代主流的业务规则技术供应商情况说明：“R”：表示使用 Rete

44、算法的规则引擎；“C”：表示基于 CLIPS 的引擎；“J”：表示基于 Jess 的引擎来源：http:/ Drools，2005 年被JBoss并购后更名为JBoss Rules，成为Jboss应用服务器的规则引擎。是一个易于调整和管理的开源业务规则引擎，具备速度快、效率高的特性。业务分析师可通过 Drool 查看业务规则和检验已编码的规则是否执行了所需的业务规则。Drools采用JAVA语言编写，应用Rete算法的改进形式Rete-算法。自带规则语言 DRL(Domain Specific Languages)，并且 DSL 支持自然语言的扩展。规则的结构为“when LHS then R

45、HS”。是ILOG公司提供的商业软件，2008年被IBM收购，是一个著名的基于J2EE的业务规则管理系统开发平台。ILOG JRules是完整的业务规则管理系统(BRMS)，它提供了对整个企业业务规则进行建模、编写、测试、部署和维护所必需的所有工具。在业务规则的表述方面，ILOG Business Action Language，采用自然语言的语法，面向业务分析人员和最终用户。关于医疗领域规则表达的浅识13 Jess是基于Java的规则引擎，它是CLIPS程序设计语言的超集，由 Sandia 国家实验室的Ernest Friedman-Hill开发。Jess提供适合自动化专家系统的逻辑编程，它

46、常被称作“专家系统外壳”。Jess 非常小巧、灵活，并且是运行比较快速的规则引擎。核心 Jess 语言与 CLIPS 依然兼容。Jess 同样是使用 Rete 算法。通过Jess能够创建JAVA对象、调用JAVA方法而无需编译任何JAVA代码，以及可以在系统运行环境下直接调用的 JAVA 类库等。在基于业务规则的专家系统中，除规则引擎外，还有规则库和事实断言库。规则库指规则的集合，每条规则分为左部（LHS）和右部（RHS）。左部表示条件，是若干个条件元素的组合，右边是结果或动作；事实断言库也称为工作内存，存放的数据为规则作用的对象。规则引擎又分为模式匹配器和议程。模式匹配器负责将事实数据与规则

47、左部进行匹配，如果匹配到多个规则，则相关规则形成一个冲突集合；议程负责根据预设的冲突解决方案和规则优先级，对冲突集合进行排序，排在前面的优先被执行或触发。规则引擎通过重复执行上述操作来执行规则的操作也称为“认知-执行循环”32,33，详见图 4。规则引擎的关键技术是规则匹配算法，根据研究结果基于业务规则的专家系统中规则匹配时间大约占整个系统执行时间的90%，因此模式匹配算法的性能也决定了整个系统的性能。目前主要规则模式匹配算法有 Rete、Treat、leaps 等，其中 Rete 算法是最典型，也是应用最广泛的算法。图 4 规则引擎“认知-执行循环”逻辑框架图 2.规则引擎 API规则引擎作

48、为软件组件可嵌入应用程序中的任何位置，开发人员只要通过程序结果方式来进行使用和控制，如实际运行时在应用程序将需要进行判断的业务事实数据通过API 提交给规则引擎；规则引擎通过 API 加载规则库中的具体规则，将事实数据与规则进行匹配，激活所有符合当前数据状态的业务规则，根据规则中描述的执行逻辑，触发应用程序中对应的操作，最后通过 API 向应用程序返回执行命令或结果。这过程至少包括几种 API：加载事实数据的 API、加载规则库的 API、引擎执行的 API 等。而在规则引擎开发之初，不同的引擎有各自的 API，JSR 94（Java 规则引擎 API）使得 Java 规则引擎的实现得以标准化

49、。JSR-94 是由 JCP（Java Community Process）组织所制定的 JAVA 规则引擎 API规范。标准制定开始于 2000 年 11 月，最后于 2004 年 8 月发布当前最终版本。该标准集合了 IBM、Oracle、BEA Systems 等各个白皮书14第 24 期切相关，主要有以下三种方式：独立的代码库、数据库形式、文件文件夹形式。规则库中规则的组织策略,将在很大程度上影响基于业务规则的专家系统中规则执行算法的性能22。单独代码库。这种方式与传统信息系统中业务规则的处理方法类似，将规则用程序代码直接实现，但与传统方式不同的是，实现业务规则的程序代码作为一个独立层

50、，业务规则层从其它逻辑如表现逻辑、应用控制逻辑和数据逻辑中分离出来，形成可以统一维护和管理的业务规则代码库。数据库形式。该方式下业务规则以数据库表、视图、触发器、以及数据库 SQL语句等形式存在于数据库中，规则库可以是一个独立的数据库，也可以是主数据库的一部分。存储着规则、规则元数据以及与规则有关的属性，可用于存储、分类、查询、版本控制、权限控制、测试、提交等，规则的状态和有效性可以跟踪。从实施角度而言，独立数据库形式可以用于比较灵活地存储复杂的业务规则逻辑。规则文件形式。业务规则以文件形式如XML、CSV、TXT 等格式存放在规则库文件夹中。该类型格式的业务规则库更加适合于在不同应用软件系统

51、共享。在这种方式下，规则变化只需修改文件，无须修改程序代码或数据库表结构等，更加灵活，且易于维护。软件厂商的专家参与制定。目的是为了促进规则引擎技术在 JAVA 程序中的发展，增加JAVA 规则引擎厂商之间的交流以及标准化工作，让使用规则引擎的第三方应用更加方便与规范，也为了简化规则引擎商对外提供的 API。这份标准已被 Java 规则引擎商广泛采用，得到了认可与支持。JSR 94 中没有涉及用来创建规则和动作的语言，规则语言是规则引擎应用程序的重要组成部分，所有的业务规则都必须用某种语言定义并且存储于规则执行集中，从而规则引擎可以加载这些规则。不同规则语言的应用使得不同规则引擎实现之间的兼容

52、性成为问题，通用的规则引擎 API 或许可以减轻不同厂家 API 之间的问题，但缺乏相同的规则语言依然阻碍不同规则引擎之间的互操作性。(四)规则的存储和管理 1.规则库为了便于管理，业务规则在系统中被集中存储之处通常称之为规则库，独立于应用程序。规则库从字面上看就是数据库中用来存放规则的集合。原有系统中的应用规则主要是通过原生编程方式直接使用程序设计语言实现，但随着企业对于信息系统业务变更及时性要求越来越高，传统信息系统代码进行修改的方式并不能及时更新业务规则变化，规则引擎的出现实现了程序维护和业务规则维护的分离，而规则库是规则引擎的基本组成部分，用于集中存放规则34。一些规则引擎如Drool

53、s、ILOG Jrules也被称为业务规则管理系统，这些系统为业务人员提供了友好的规则维护工具，能够通过界面和可视化等便捷的方式实现对规则的维护与管理。2.规则库的存储形式规则库的组织存储与规则的表示方式密关于医疗领域规则表达的浅识15二、医疗领域规则的获取与表达(一)医疗领域业务规则来源医疗领域的大多数已知业务规则来源于专家知识、经验真理和规范性政策文件，主要蕴含在临床指南、临床路径和政策性监管文件等叙述性文本的上下文中，关键的规则及其内涵通常以描述性文本、表格、图、计算公式等多种原始形式呈现35,36，常见以word、PDF 格式的文本发布，可以从不同主管部门或监管单位或出版商处下载获取，

54、大致分类见表 3。值得注意的是，这些业务规则来源本身具有规则术语定义不一、指南共识标准不一、随领域研究和社会发展更新迭代等显化特征，将直接影响业务规则的信息化应用。因此，业务规则的标准化也是医疗领域业务规则发展的重要内容之一。近年来，我国在“医疗、医保、医药”三医领域的业务管理和监管制度不断完善，精细化、标准化和数字化建设是医疗领域业务规则发展的重要方向。多项政策文件提出要推进建设知识库和规则库。医保领域有前言中提及的医疗保障基金智能审核和监控知识库、规则库管理办法（试行）。医疗领域有 2020 年 2 月国家卫生健康委办公厅印发的关于进一步做好儿童重大疾病救治管理工作的通知，该通知提出各相关

55、医疗机构要参考国家临床指南、用药指导原则、临床路径等，制定细化相关病种的诊疗规范；要求将诊疗规范嵌入医疗机构以电子病历和核心的信息系统，推进知识库建设，强化智能审核功能，促进合理检查、合理用药、合理治疗。当前国家各主管部门围绕医院业务管理已制定并发布了众多政策文件，临床诊疗相关的临床指南和临床路径日益丰富。计算机化医疗业务规则的实施和实现已成为医疗健康数字化改革的重要组成部分。表 3 临床业务规则来源分类说明规则出处发布举例说明文件格式主要数据类型临床指南与共识医学领域学会/协会中国 2 型糖尿病防治指南（2020 年版）肝衰竭诊疗指南（2018 年版）中国居民肥胖防治专家共识抗病毒药物在儿童

56、病毒感染性呼吸道疾病中的合理应用指南Word；PDF文本；表格临床路径国家卫健委/学会协会肝硬化腹水临床路径（2019 年版）等 224个病种临床路径临床路径指南/专家共识，如新型冠状病毒肺炎病例临床路径（第二版）Word；PDF文本；表单；路径图白皮书16第 24 期(二)医疗领域规则形式化基础在医疗领域中，一般的业务规则形式化和主流的商业领域差异不大，以 Drools 开源引擎应用或采用商业化规则管理引擎为主，这类规则的形式化实现主要利用了引擎中自带的规则创建工具。与临床诊疗知识相关的最广泛采用的知识表示格式是 Arden 语法。Arden语法也被称为医学逻辑模块（MLM），是事件-条件-

57、动作类型规则的表示，可用于创建提醒和警报。但 Arden 语法的“花括号问题”使 MLM 不可移植。一些研究也在试图构建语言来表示指南中包含的复杂知识，包括 Asbru、EON、指南交换格式(GLIF)、Proforma和SAGE等，这些语言的一个共同因素是在面向时间的任务网络中表示逻辑流和建议流。这些语言的执行语义非常复杂，并且需要开发特定的执行引擎。由于语义的执行与医疗保健组织中的无数工作流程相适应，及与电子病历（EMR）系统、计算机化供应商订单输入系统和现有 CDS 工具等临床应用程序集成的问题未能得到良好解决，这些形式化方法并没有得到广泛的应用42。医疗业务相关的信息模型更多表现为由医

58、学业务规则知识、规则和组织工作流模型构成的复杂模型。业务规则管理技术为对象之间的消息通信提供了以业务规则数据形态规则出处发布举例说明文件格式主要数据类型政策文件国家和地方 卫健委县域糖尿病分级诊疗技术方案等 7 个基础慢病县域分级诊疗技术方案单病种质量管理与控制技术方案（2020 年版）、单病种质量监测信息项（2020 年版）明确 51 个单病种质控新型抗肿瘤药物临床应用指导原则（2021 年版）电子病历系统应用水平分级评价工作规程和专家管理办法病案管理质量控制指标（2021 年版）临床营养科建设与管理指南（试行）（国卫办医函202276 号）Word；PDF文本；表单；计算公式政策文件国家和

59、地方 医保局医疗保障定点医疗机构等 10 项信息业务编码规则和方法（医保发201955 号）医疗保障基金结算清单国家基本医疗保险、工伤保险和生育保险药品目录（2021 年）全国医疗服务项目价格规范国家医疗保障DRG分组与付费技术规范、国家医疗保障DRG（CHS-DRG）分组方案和 医疗保障疾病诊断相关分组（CHS-DRG）细分组方案（1.0 版）Word；PDF文本；表单；计算公式续表 3关于医疗领域规则表达的浅识17处理业务逻辑的触发机制，使对象模型和业务规则模型完美结合。基于规则的数据模型代表了临床过程中指南或临床路径等折射的对于临床工作流程和质量控制的知识概念、工作流和规则的理想化视图。

60、其完整构建多依赖于医疗业务场景中常见的 8 种知识模型，具体见表 4。(三)医疗领域规则分类本文针对结合规则中是否涉及专业性强、操作复杂的医学诊疗和临床知识将医疗领域的规则，以及操作的目的，将医疗领域的规则划分为了管理业务合规型规则、临床诊疗合理型规则、临床业务合规型规则，具体见表 5：管理业务合规型规则：规则中的条件不涉及对临床知识的应用，主要为制度和规范约束条件，规则中的操作和处置主要与管理业务相关。例如医保政策中的“门诊费用累计超过xxx元，进行报销”。此类规则与一般的业务规则管理类似。临床诊疗合理型规则：规则中的条件涉及了对临床知识的应用，包括了对于患者疾病治疗方案的合理性判断，例如是

61、否是药物适应征、操作适应征、是否符合临床指南诊治规范等。规则的操作和处置也主要与临床诊疗业务相关，例如“如果为 xxx 疾病，这可使用 xxxx 药”。主要和临床决策相关，是 CDSS 的核心。表 4 常见临床领域知识模型知识模型描述文档模型人类可读的文档，通常保留源文档的原始结构（指南元素模式（GEM）或其他以文档为中心的可扩展标记语言（XML）模式）对象模型面向对象的技术，用于对表示指南、工作流或路径概念的分层交互类的集合进行建模（统一建模语言（UML）、HL7 参考信息模型（RIM）、openEHR）语义网万维网联盟（W3C）提出的用于表示Web上信息的模型（Web本体语言（OWL），语

62、义网规则语言（SWRL），OWL-S Web 服务）块结构、程序、逻辑规则块结构、过程编程语言和 IF.THEN 规则（Arden Syntax;决策表）一般工作流程模型一般工作流语义（业务流程建模表示法（BPMN）、业务流程执行语言（BPEL）正式的工作流程模型由正式数学模型（Petri Nets，Yet Another Workflow Language（YAWL）支持的形式化工作流构造通用任务网络模型没有正式语义的流程图或流程图（程序评估审查技术/关键路径方法（PERT/CPM），活动节点）正式的任务网络模型基于指南的临床任务-操作、决策、随着时间的推移而展开的查询，具有正式的语法和语义

63、（指南交换格式（GLIF），PROforma，Asbru）白皮书18第 24 期 临床业务合规型规则：规则中的条件以临床知识为基础，规则中的操作和处置主要与管理业务相关，例如医保政策中的“如果为儿童且患有缺铁性贫血，则右旋糖酐铁口服液体剂进入报销范围”。医疗业务管理精细化方向。(四)不同类型医疗领域规则的获取与表达在临床实际应用中，用户往往需要访问不同抽象级别的知识，Boxwala 等按照知识在现实世界临床环境中实施的成熟度和完备度情况，将知识分为了从叙述性知识到可执行的知识四个水平，从左往右知识的成熟度和完备度逐渐升高，见图 542。其中结构化的知识表示可由计算机解释的结构化代码（包括数据元

64、素、值集、逻辑），可执行的知识表示可由系统在本地级别解释的可执行代码。在医疗环境中与临床业务流程的整合度体现了规则的计算机化水平。根据一定的过程规则集将业务所需的文档、信息或任务从一个参与处理的活动结点传递到下一个参于活动结点，从而实现业务过程的完全或部分的自动化，提高业务标准化水平和效率，是我们认为规则应用的理想状态，即达到可执行的知识水平。在达成这一目标的规则计算机化过程中，不论是临床指南、临床路径，还是政策性监管条目，一般都遵循了从文质文本结构的“业务规则”到“业务规则”的结构化、可视化和计算机化，再到可解释、可执行的“业务规则库”的建立和运营维护的过程，上一级知识水平格式的规则往往是下

65、一级知识水平规则形式形成的基础。表 5 医疗领域规则分类规则类型条件（P）结论/操作（Q）管理业务合规型业务管理相关业务管理相关临床诊疗合理型临床诊疗相关临床诊疗相关临床业务合规型临床诊疗相关业务管理相关图 5 知识水平分级图来源：https:/cds.ahrq.gov/cdsconnect/about在医疗领域，当前发展背景下非常鲜明的一个特征：简单的管理业务合规型规则不能满足日益复杂的医疗业务需求，临床诊疗合理型规则是临床举措支持的基础，而融合了临床知识的临床业务合规型规则是管理规范化和标准化的基础，这种管理业务流程和临床融合的复杂模型成为医疗和医保信息化快速发展的刚需。以医保业务为例，我

66、国医保业务规则中简单逻辑函数等的医保审核规则计算机化应用发展成熟。随着DRG等结合临床知识的支付政策的实施和推广带动了医保规则构建向临床知识靠拢。基于临床路径的DRG医保结算，通过结合临床规则和医保规则进行医保费用数值的逻辑计算和比较控制医疗成本。关于医疗领域规则表达的浅识19 1.管理业务合规型规则-以医保监管为例医保监管相关的规则主要来源于管理制度和管理规范性文件，例如国家限制类技术对应疾病诊断、手术/操作编码36等对医保数据进行约束。在政策文件中常见的限定性描述为“XXX 合理”、“XXX 违规”，又或是“XXX 可疑/异常”。为推进规则更好地利用，高度结构化的规范文件可为规则的计算机化

67、提供更好的基础。区别于部分省市本地化的规则文档如青海省医保智能审核监控系统上线规则（2020 年版）38、武汉市医保审核系统审核规则说明39、上海市医疗保险暨医药采购市全量统编药品及其规则字典库40、温州市医保智能审核平台事中控制规则等给出了地市范围内限制性规则和规则内涵41，以有效识别阶梯用药、重复收费、药品禁忌、超频次等违规行为；江苏省医保局结合国家基本医疗保险、工伤保险和生育保险药品目录（2020 年版）药品限定支付范围和合理用药的有关规定形成了全省统一的医保智能监控规则（第二批），明确了全省范围内统一的医保监控规则及其内涵并采用了半结构化的表格进行了规则的描述，见图 62。此外，国家医

68、保局正构建全国范围内医保监控规则及其内涵，作为基于知识库判断监管对象相关行为合法合规合理性的逻辑、参数指标、参考阈值以及判断等级以及具体违规情形等的集合。管理业务合规型规则的计算机化流程和一般的业务规则形式化和主流的商业领域差异不大。医保监管规则一般基于医保政策及药品、诊疗、服务三大目录建立，规则库按不同的域可分为药品的医保适应症和审核规则集、诊疗项目规则集、医用耗材规则集，以及针对基于医保费用结算清单等医保结算数据在完整性、逻辑性、合理性、一致性等方面的数据质控规则集。在计算机化过程中，医保规则集通常以XML文件的形式存储。医保规则库是医保业务规则的集合。医保规则常通过对业务数据的逻辑校验和

69、“if.then”、“when.then.”语句描述来刻画业务的结构或控制业务的行为。根据规则指向，可分为正向规则、反向规则；根据监控过程，可分为事后审核规则、事中干预规则、事前预警规则；根据规则的可靠性，可分为刚性规则、非刚性规则。医保业务规则计算机化所需的逻辑功能多依赖于常数、属性、逻辑函数、数学运算函数、条件判断函数、聚合函数等。图 6 江苏省全省统一的医保智能监控规则示例白皮书20第 24 期 2.临床诊疗合理型规则-以临床指南为例临 床 实 践 指 南（Clinical practice guidelines，CPG）（以下简称“临床指南”）是基于系统评价证据，平衡了不同干预措施利弊

70、，在此基础上形成的能为患者提供最佳医疗保健的推荐意见。近十年，我国医疗指南和专家共识数据量呈指数级增长，发表的医疗指南已有 30000 多篇、专家共识 7000多篇37。CPG 定义了面向患者所患某一疾病的最佳评判、诊断、干预措施等。高质量的临床实践指南能够指导医疗服务者从事预防、诊断、治疗、康复、保健和管理工作，是临床决策中不可缺少的部分。临床指南的计算机化是知识计算机化的过程。其中蕴含着疾病分类规则，需要与临床工作流程集成的ECA规则、时间规则和混合规则等多类型的知识规则进行计算机语言的转换，其为临床诊疗活动提供行为决策的规则依据。（详细可回顾第十三期 imit 白皮书：临床指南的计算机化

71、）临床指南的计算机化第一步是将叙述性的文本转换为便于形式化的半结构化表达形式。在临床指南文本中，每条临床规则可以通过产生式表达“if-then”对病人的上下文信息进行抽象。例如文本描述：手术操作的适应症和禁忌症，可规则化转译：当病人有手术禁忌症时，诊疗流程中手术应该终止。文本描述“患者血压结果值在理论的正常阈值范围是 XXX”规则化转译后的语句是“当病人血压偏高时，应该产生“病人血压偏高，血压值为 XXX”的核查提醒”。值得注意的是，国外临床指南表达的语句结构上更贴近于决策规则“if-then”、“when-then”形式的表达。并且，在单一场景的文本描述中显化了 AND、OR 等关系表达。具

72、体见图 7。这对于不了解医疗业务的计算机专家而言在进行临床指南知识的计算机化建设和在规则逻辑建设上无疑更具有的友好性。利用 ARDEN 语法将所获得的临床知识以结构化形式输入计算机，需要严格按照形式化的逻辑规则来进行以“if.then.”产生式语句表达，通过医学逻辑模块（Medical Logic Modules，MLMs）开展逻辑推理，它图 7 约翰霍普金斯医院抗生素指南（JHH CG 原始文本示例）关于医疗领域规则表达的浅识21根据输入信息在知识库中进行查找、匹配等活动，选择适用的知识（一条或多条）展现或执行。MLMs 承载众多计算机化的医学临床规则，由维护（Maintenance）、库（

73、Library）和知识（Knowledge）三类插槽组成43。【Maintenance】包含了该模块的元数据，如作者，创建日期等。【Library】则包含了该模块的背景信息，如目的、注释、关键词和引文等；医学术语使用统一医学语言系统（Unified Medical Language System，UMLS）、SNOMED-RT、LOINC、ICD-10、ICD-9-CM等标准化的医学术语。【Knowledge】则包含了决策的实际算法和数据库的访问机制与触发事件等，例如触发条件（evoke）该模块的触发条件，逻辑判断（logic）输入数据后的决策的逻辑推理过程，处理行动（action）触发该模块

74、后的的处理行动，如提示或调用其他模块等。以及，【Knowledge】里面还包括了优先级（priority）、紧急程度（urgency）等44。3.临床业务合规型规则-以临床路径为例临床路径（Clinical Pathway，CP）是临床医疗管理的一个工具，主要是针对某种疾病，或者某种手术制定的具有科学性和时间顺序性的患者的医疗照顾计划。截止目前，我国国家卫健委已发布了 224 个病种临床路径（2019 版），系面向包括耳鼻咽喉科、妇产科、骨科、呼吸病、口腔医学、泌尿外科、内分泌病与代谢病、皮肤性病学、普通外科、神经外科、肾肝病、消化病、小儿内科、小儿外科、心血管外科、心血管系统、胸外科、血液病

75、、眼科在内的 19 个学科有关病种的临床路径。CP 由各学科的专业人员根据循证医学的原则将某疾病或手术的关键性治疗、检查和护理活动标准化，按照预计住院天数设计成表格，使治疗、检查和护理活动的顺序以及时间安排尽可能地达到最优化，藉以减少资源浪费，缩短住院天数，使病人获得最佳服务品质。CP 是一类典型的过程性业务规则。除了常见的文本描述形式，在实际临床应用中，CP 常见采用结构化的表格形式表示，以及部分临床路径指南以思维导图等图形化形式表示。临床路径本身可以被认为是临床指南在临床过程中实施的时序-业务规则流。临床路径的计算机化同样可总结为：1）从基于纸质的CP中提取面向实践的知识；2）以语义丰富的

76、形式表示CP的知识和结构；3）将临床行为编码并集成到电子健康记录（EHR）和计算机化处方订单输入（CPOE）系统等业务信息系统。临床路径定义了临床过程中的一系列节点活动和工作流，涵盖了“什么时间-谁（角色）-做/被做什么”以及医疗活动执行的先后顺序的完整内容。CP 由时间串联一系列医疗活动，主要包含了以下 11 个主要的元素：适用对象、诊断依据、治疗方案选择与依据、临床路径标准住院日、进入路径标准、治疗前准备、选择用药、手术时间、术后住院恢复、出院标准、变异及原因分析。临床活动的执行顺序包括顺序流程、并行流程、条件流程和无序流程，某一节点的医学活动的执行具备多种前提：时间、确定的诊疗规则（如：

77、术前准备的必检项目）、需要返回条件的诊疗规则（如：输血需视术中出血情况而定）和跳转规则（如：术前检查、手术、术后恢复、出院的活动跳转顺序规则）等。临床路径的知识规则表达多基于本体论，以尽可能的使得在语义层面可理解、可解释；基于逻辑的符号学方法中的规范指定了可能的行为模式。在常见基于患者疾病情白皮书22第 24 期况的ECA决策规则模式下，场景相关的”IF-THEN”或是决策相关的“LHS-RHS”模式匹配被广泛运用。例如，常见关于手术麻醉的产生式规范可描述为：Whenever（条件）If（状态）Then（药剂）Is（麻醉操作员）To（行动）。评估患者进行静脉血栓栓塞的规则表达为：Wheneve

78、r（评估患者进行静脉血栓栓塞）IF（存在出血风险）Then（医生）Is（允许）To（给予预防）。同时，工作流模型通过约束基于临床任务的实施范围、目标、实施时间框架以及优先级等完成不同对象在相同时间内的任务分发或是同一对象的在不同时间段内的执行任务。为了将复杂业务的流程化执行，常见的方式是基于 Drools 规则流实现 web 端的临床规则流定义，并使用 Json 数据交换格式作为流程的存储格式，而后在规则流上线解析时转化为 Drools 规则流 RF（Rule Flow）文本。关于医疗领域规则表达的浅识23三、医疗领域规则的应用在 CDSS 中，规则库在一定程度上影响着整个决策系统是否能够输出

79、“正确”的结果，是实现临床决策、提高医疗质量的关键，规则库的维护是 CDSS 系统的难点48。医院对于 CDSS 应用期望是能从临床业务角度出发，覆盖医院全科室、全流程、全业务角色，在业务闭环中涉及知识库查询、安全预警、诊疗措施推荐等功能，在医务管理过程中对传染病、医院感染及不良事件等可提供智能化的感知47。因此，在构建 CDSS 系统的规则库时，不仅需要结合电子病历应用的相关要求，还要充分结合考虑全院不同业务角色所涉及的相关规则，从而整合形成一整套的规则库。以广州市妇女儿童医疗中心的临床辅助决策系统为例，其在 CDSS 规则库主要涵盖了院级规则库、临床路径规则库、区域级规则库 3 大类：院级

80、规则库：全科规则库：药疗规则库、检验规则库、检查规则库、手术规则库、治疗规则库、输血规则库、护理规则库；智能感知规则库：传染病监测规则库、医院感染监测规则库、不良事件监测规则库；临床路径规则库（单病种规则库）：辅助诊断、疾病分类分型、病情分级/病情评估、出入ICU标准、并发症、危急值监测、对症治疗方案/治疗过程监测、治疗方案调整评估、用药前/治疗前风险评估、药物不良反应、手术前/治疗前风险评估、手术前/治疗前禁忌症、预防性抗生素推荐、手术后/治疗后并发症及处理、非计划再次手术指征；区域级规则库：与广州地区医疗机构医学检验、影像检查结果互认平台进行对接，构建区域级规则库。医疗领域规则在实际应用中

81、往往以场景化的需求为导向，形成多种类型规则综合指导的业务规则系统。目前已有多种基于规则库的信息系统应用于医疗领域。这些系统在卫生监管机构、医院等场景下被广泛使用，包括基于规则库的临床决策支持系统（Clinical Decision Support System,CDSS）、医保审核系统、临床检验审核系统、医院检查预约平台、处方审核系统、病案上海品茶审核系统等。这些系统的应用在提高整体医疗效率、促进医疗质量、提升患者满意度方面起到了一定的作用。本书列举了当前常见的医疗领域基于规则库的应用情况，主要介绍了这些常见应用系统中关于医疗领域规则库的内容和构建方式：(一)常见基于规则的医疗信息系统介绍 1.临

82、床决策支持系统CDSS 是目前医疗领域规则库应用最广泛的信息系统之一。一些学者的研究也证实了基于规则的专家系统的临床应用价值。北京大学健康医疗大数据国家研究院孔桂兰教授及其团队于2011年开发了一款基于置信规则推理方法（rule-base inference methodology using the evidential reasoning approach,RIMER）的原型 CDSS 用于心脏性胸痛患者的风险分级，通过 1000 个相似的模拟数据集验证，表明该系统的诊断性能优于传统的人工诊断45。2015 年，该团队又利用了置信规则推理方法开发了用于预测急诊科创伤患者院内死亡和重症病房入

83、院情况的决策支持工具46，与基于传统机器学习模型的CDSS相比该系统能够更准确的对创伤患者的预后进行判断。此外，医疗机构的多个院区以及医疗联合体之间通过管理统一的 CDSS 规则库，还能实现对关键质控指标的控制，从而为医疗机构间提供同质化医疗服务提供了重要基础47。白皮书24第 24 期 2.医院检查预约系统医院检查预约系统是目前医疗领域规则库应用较热门的信息系统。不同科室均有各自的医技系统，传统的检查预约系统只能处理单项检查的预约程序，当一个患者需要同时进行多项检查时，需要进行多次预约，并多次往返完成全部检查。近几年，一些医院开始建立检查预约平台统筹全院医技资源和数据，通过构建检查预约规则，

84、为需要进行多项检查的患者提供科学的预约方案，提高了整体的运行效率。上海市胸科医院对上线医院检查预约系统后的6个月数据分析显示，平台上线后患者预约等候时间明显低于上线前49。华西医院在2020 年 9 月上线检查预约平台，上线后 3 个月内患者往返医院的次数减少了 12450 次，满意度明显提高50。常州市第二人民医院制定了各医技科室的预约规则，结合预约算法开发并上线了医院一站式医技预约管理平台，使患者的预约诊疗安排合理化，病房周转率也得到提升51。湖北省天门市第一人民医院基于预约规则构建了医院检验智能预约平台，在平台上线后，医护人员和患者对医技检查流程的满意度明显上升，患者满意度从 89%上升

85、至99%，医护人员满意度从85%上升至98%52。检查预约规则库需要对不同医技科室的多个单项检查项目的基础信息及相关规则进行集成和整合，从而建立全院检查统筹预约的基础。以华西医院的检查预约平台为例，其规则库可以抽象为三方面内容50：基础数据（基础规则库）：每个医技项目本身的基础数据，即单个医技检查预约的基础规则，包括医学知识，如检查部位、检查用药、检查方法、条件检查、跨科冲突和跨科排斥等；项目自身，如检查项目设备类型、特殊检查、急诊优先、小儿优先等；时间信息，如医生排班日程、检查室或设备开放时间、平均检查时间、平均等待时间等；环境影响，如申请院区、同楼宇优先、同科室优先、移动距离等。集成规则：

86、单个预约规则之间的关系处理，包括了合并规则、排斥规则、顺序规则、科研项目管理规则、假期管理规则等。规则运行目标：检查检验预约有两个目标，一是以最短时间完成所有检查，二是在最少来院次数内完成所有检查。患者在预约检查时可以在预约时自行选择时间最短方案或往返最少方案。3.医疗保险审核系统基于规则的医保智能审核系统是近期关注度较高的信息系统。传统的医保审核系统往往将审核的规则与系统的实现代码相结合，若医保审核的有关政策要求有所更新，则可能需要对系统的源代码进行调整，才能使审核系统适应最新的政策，导致了系统相应及时性不足。而基于规则引擎的医保智能审核系统的应用有效实现了业务规则管理和代码维护的分离53。

87、研究人员为解决通用规则引擎对医保规则支持能力不足和引擎规则语言业务人员理解难的问题，通过设计新的规则生成框架，构建了一套适用于医保的规则表达和存储方法，作为业务系统中规则生成界面与规则引擎的中间件，提高了规则库维护的便利性12。大数据和人工智能技术驱动下的规则挖掘和应用加深了对临床知识的依赖。随着医保业务数据的规范化发展，基于医疗大数据挖掘算法进行规则挖掘和基于人工智能技术促进医保规则生成成为新的发展热点。通过大数据算法（决策树、神经网络、KNN、随机森林）和模型（反欺诈、过度诊疗、超高费用、超长时间住院）对医保数据挖掘分析，医保业务规则库基于医保费用结算清单，通过专家发现和提炼数据规则可产生

88、特征性的元素和规则类型：1.基本信息，如年龄、性别等；2.就诊信息，如住院天数、就诊频率等；3.基本费用信息，关于医疗领域规则表达的浅识25如药品类费用、诊疗类费用、检查类费用、手术类费用、床位类费用、医用材料类费用、挂号类费用等；4.费用统计信息，如以上基本费用信息的平均值、报销比例等。随着人工智能和机器学习技术的不断发展，医保审核引擎与这些技术将进一步融合，能够更好的处理如图像识别、人脸识别、语音识别、自然语言技术等各种类型的信息，通过机器学习对各类信息加以分析并探寻其中的关联性和趋势性，医保智能监控的规则产生及设定将会实现从人工设定规则到机器自动产生规则并应用规则。武汉市医保管理审核系统

89、在构建审核规则库时，以国家医药卫生以及武汉医保相关政策文件作为政策依据，综合考虑医保审核业务流程和相关专家的意见，将审核规则分为四大类：支付政策性审核规则、诊疗合理性审核规则、临床规范性审核规则和医疗行为异常监控规则，共含 27 套规则：（1）限定医院类型级别（违规）、（2）限定儿童（违规）、（3）限定性别（违规）、（4）中药饮片审核（违规）、（5）超频次（违规）、（6）限定适应症（条件）用药（违规）、（7）阶梯用药审核（违规）、（8）超量取药（违规）、（9）提前取药（违规）、（10）重复超量用药（违规）、（11）单张单据药品种类异常（违规）、（12）限定适应症（条件）用药（可疑）、（13）中

90、药饮片超量（可疑）、（14）限定性别（可疑）、（15）超量取药（可疑）、（16）提前取药（可疑）、（17）超频次（可疑）、（18）限定数量（可疑）、（19）限定手术价格（可疑）、（20）项目与项目匹配（可疑）、（21）超限定疗程（可疑）、（22）重复收费（可疑）、（23）用药安全审核（可疑）、（24）不合理入院（可疑）、（25）不合理转院（可疑）、（26）分解住院（可疑）、（27）费用明细数据异常（可疑）。4.临床检验审核系统临床检验审核系统是医院较早应用医疗领域规则库实现自动化审核的系统之一。临床检验指标相对简单，审核规则明确较容易建立，对于临床检验的审核也是医院较早实现自动化的业务流程。复

91、旦大学附属中山医院基于2012年建立的临床生化检验报告自动审核系统，通过有效性验证和对系统自动审核规则的优化和调整，其检验报告审核通过率从 56.89%上升至 67.65%54。北京协和医院于2013年初开始开发临床实验室生化免疫项目自动审核程序，自动审核通过率稳定于70%以上，单个检验项目自动审核通过率为91.1%96.6%，检验报告自动审核通过率达74%55。苏州大学附属第二医院基于LIS系统构建了生化检验结果自动审核规则，并应用次规则对检验结果进行自动审核判断，与人工审核相比基于自动审核规则的系统明显缩短了门诊和住院生化检验的回报时间，自动审核报告通过率达 75.2%，有效简化了检验结果

92、审核的工作流程56。以南方医科大学南方医院在医院的实验室信息系统（laboratory information system,LIS）为例，审核规则库构建依据 ISO15189、CAP Checklist 和 CLSI AUTO-10A 等检验行业标准有关自动审核的条款要求，结合医院实验室的业务需要，规则库中需要尽可能全面覆盖检验结果的影响因素，保证审核结果的正确性（详见表 6）57。白皮书26第 24 期表 6 临床检验审核系统规则库内容规则设计具体内容基本参数允许进行智能审核的科室、仪器、标本类型、项目、诊断等项目质控（1）检验前：通过样本的采集时间、送检时间、接收时间判断是否符合送检要求

93、；识别标本标本是否存在溶血、凝血、脂血、黄疸等问题；（2）检验中：根据室内质量控制的要求进行检测，对没有定期保养和校准的仪器与工具进行设置，禁止检验结果进入智能审核的系统；仪器的状态、报警信息；（3）检验后：对检验结果进行审核，参考标准数据，结合医院实际需要，设置相关监控阈值或内容。危急值根据医院制定的危急值管理办法和医院实验室信息系统已经设置好的危急值标准，对只要触发危急值标准的结果，就不能通过自动审核并给予相应提示，需人工核对审核后及时准确地报告危急值。数值范围针对检验项目设定范围，与检验结果进行数值的比较，确定是否审核通过。在检验参考值标准的基础上，充分挖掘医院的历史数据并综合分析，对需

94、要智能审核的项目进行详细的数值范围设置，根据患者的年龄、性别、诊断、科室等条件设立多条数值范围，制定适合本院的数值范围标准。差值检查在系统设置同一检验项目在特定历史时间段内可接受的差值，如空腹血糖测定，参考值在3.336.11mmol/L,可设置30天内差值0.1，在差值范围内即可自动审核通过。结合医院实际，在检验参考值标准的基础上，通过人工智能算法分析患者历史结果的变化并结合临床经验，对需要智能审核的项目进行差值检查设置，根据患者的年龄、性别、科室等条件可以设立多条差值，制定适合本院的差值检查标准。逻辑关系与关联性通过建立函数，使用判断语句，构建对应的结构字典，使用各项逻辑关系符号“”“”“

95、”“”“=”“And”“Or”“（）”等，对项目结果从多个方面进行多项逻辑关系关联性设置：审核函数设置，判断项目结果是否符合项目的反应曲线，是否符合室间质评，检查结果是否超过线性范围等；项目结果比较设置，包括不同项目间的结果比较、不同仪器间同项目结果的比较等；检验结果与科室、临床诊断关联设置；检验结果关联项目一致性设置。其他随着智能审核项目的逐渐增加，临床对检验结果审核提出更多的要求，系统的规则设置需要不断完善，因此以上的规则设置不一定能满足医院的所有需求，需要针对个别项目、科室要求进行特殊设置。关于医疗领域规则表达的浅识27(二)医疗领域规则获取与应用要点与难点 1.医学知识相关的复杂规则构

96、建是难点医学领域的系统在构建规则库时，需要尽可能地覆盖所有涉及到的医学规则，例如构建医保质控系统的规则库时，不能仅对医保相关要求进行计算机化，因为医保政策的实施是建立在药物规范使用的基础上，因此还需要考虑药物使用的规则集合的构建。这也说明在实际应用中，规则库构建的重点不仅是将自然语言的规则计算机化，同时要尽可能多的从不同途径抽取、发现规则，才能使基于规则库的软件系统更符合业务实际场景。2.医疗专业人员友好的规则构建维护工具是规则库构建与应用重要基础在医疗领域，规则库的构建既需要开发相关的技术，也涉及医疗相关知识经验，这两者均具有很强的专业性，技术人员与业务人员能否高度配合，很大程度上影响了规则

97、库的构建和维护是否能够顺利地进行。医学领域相关的规范文件是构建规则库的重要依据，目前规则库的构建方式大多依靠整合梳理现有的知识，同时提炼医学专业人员的实践经验，依赖于专业人员的深度参与。由于业务人员往往缺乏足够的开发技术，因此，在规则库的构建以及后续的维护过程中，为业务人员提供操作简便且直观的工具，如规则可视化编辑器，也是规则库构建时需要考虑的重要因素。3.医疗领域规则具有复用性要关注标准化建设在同一应用场景下，例如在一家医疗机构中，有很大一部分的规则库可以在不同的系统中重复使用。在进行信息系统的顶层设计时，可以适当考虑规则库的统筹构建，减少不同系统间的规则库重复建设。在知识中台框架下，尝试探

98、索构建独立于应用系统的医学领域通用规则库，形成灵活的规则库集合，便于业务系统开发时对规则库的调用。在规则的构建中应当考虑规则表达的规范化和标准化建设，提高后续不同规则引擎和应用规则的共享与交换。白皮书28第 24 期四、医疗领域规则构建与应用前沿案例介绍该项目建立了临床路径开发的标准框架及协作平台，以艰难梭菌感染治疗（Clostridium difficile infection，CDI）为例进行精细化临床路径的原型开发、传播和应用；包括 CDI 临床路径在内，目前已有 206个经审核的临床路径，见图8。路径内容可以通过互联网和移动应用程序查看，也可以下载供离线使用。该平台存储关键的路径元数据

99、，如基于证据的参考文献、版本控制信息，以及针对该路径的临床所有者以及开发该路径的利益相关者成员的信息。路径使用由路径所有者和程序管理员通过平台分析仪表板实时监控。分析包括随时间推移的路径视图。该平台还为路径用户提供了一种向临床所有者和管理员提供即时电子反馈的方法。(一)美国医疗保健研究与质量机构AHRQ 项目 1.临床路径原型化协作平台由临床路径转化为计算机程序路径得以快速实现的关键在于临床专家和计算机专家间的有效沟通和协作，在于计算机专家对于临床路径的业务理解能力。医学和信息技术专业间的壁垒是阻碍临床路径计算机化开发、传播和应用而亟待破除的阻点。对此，由美国健康研究与质量署（Agency f

100、or Healthcare Research and Quality，AHRQ）报告的一项由宾夕法尼亚大学卫生系统（the University of Pennsylvania Health System）循证实践中心（Penn Medicine EPC）实施试点的实践结果提供了解决方案。图 8：宾夕法尼亚大学 CP 原型化协作平台示例关于医疗领域规则表达的浅识29 2.CDS Connect 项目-CDS 创作工具CDS Connect58提供了业务规则资源由半结构化到计算机化转换的方法。基于Web 的 CDS Connect 存储库（https:/cds.ahrq.gov/authorin

101、g）用于存储临床路径等知识；开发者可以下载此内容，以进一步开发规则和逻辑，促进集成到电子健康记录或其他技术中。人读业务规则的翻译转换工作借助开源 CDS 创作工具进行，CDS 创作工具的开发是 CDS Connect 项目的一部分。CDS 创作工具面向临床研究提供了一个界面（见图 9），用于使用简单表单创建 CDS 逻辑并将其导出为机器可读的 HL7 临床 质 量 语 言（CQL）1.3（https:/cql.hl7.org/）。该界面目前支持开发者通过使用HL7 FHIR 资源属性和运算符定义规则集来构建自己的修饰符，以更精确地控制用于筛选元素数据的条件。比如可以将规则组合成组，以使用“an

102、d”和“or”来表示复杂的布尔条件。CQL 使用机器可读的表达式逻辑模型ELM 转换器将基于文本的 CQL 库文档转换为 XML 或 JSON 表示形式。该翻译器已集成到生产创作环境中，用于临床决策支持和临床质量测量。本文源引了 HL7 官网“衣原体筛查”在临床质量控制和临床辅助决策中的 ELM 示例，具体见图 10。图 9 CDS 创作工具 规则编辑界面白皮书30第 24 期图 10 衣原体筛查 ELM 用于 CQM 和 CDS 的示例关于医疗领域规则表达的浅识31(二)加拿大桑德贝区域健康科学中心精细化计算机化临床路径系统（CPMS)临床路径是医疗计划、治疗和评估的核心，包括医疗保健质量和

103、成本因素，可为临床决策、路径核查与统计和质量控制提供定量分析。加拿大湖首大学Ayman Alahmar等提出了独立临床路径管理系统（CPMS）的临床路径数字化框架，见图 11。该框架和核心工具在加拿大桑德贝区域健康科学中心卒中病区进行了实施实践，被认为是具有里程碑意义的一次探索，见图 12。临床指南计算机化的一些思想被认为适用于临床路径。大多数临床路径程序都是基于 CP 流程图和标签编写的，SWRL 被用来描述 CP 执行中的规则，Drools 作为推理引擎使用。但由于目前的临床路径缺乏任何编码系统来识别，导致临床路径的机器可读性较低。本案例的突破性在于对临床路径中的知识和本体进行了编码化，提

104、高了临床路径的机器可读性。在本案例方法中，研究者基于SNOMED CT 创新创建了知识本体，具体做法如下：1）构建了元临床路径（meta-CP）本体，包括所有可以用来创建任何疾病特异性CP 的构建块，包括干预、事件、观察、结果等 CP 本体元素，可作为所有可能的疾病特异性 CP 本体（如缺血性脑卒中本体、糖尿病本体等）的模式。meta-CP 类的简要描述如下：路径：正在考虑进行治疗的CP的通用代码。追踪：对特定患者实施CP的所有临床干预。图 11 临床路径管理系统框架白皮书32第 24 期图 12 Protege 中显示的元知识层的部分与本体编辑工具 干预：在 CP 执行期间进行的医疗活动（例

105、如，检查血糖水平）。可以采取几种不同的干预措施。这些措施包括原子性干预措施或复杂的干预措施。原子干预通常是一种单一的临床活动；而一个复杂的干预措施是由原子干预措施组成的。观察：应记录其价值/结果的临床数据（如血糖水平）。事件：关于CP执行干预的说明被建模为事件。例如，如果在不同的日子重复相同的干预（例如，在第 1 天和第 3 天进行全血细胞计数血液检测），那么每天都会有相同干预的不同事件。疾病：病人入院并实施 CP 的疾病。变异：由于医疗证据、设施资源、共病和患者或家庭偏好等多个原因而偏离常见 CP。状态：跟踪患者当前所处状态。关于医疗领域规则表达的浅识33图 13 CPID 基于 SNOME

106、D CTID 的编码方法图 14 中风的特定疾病本体论示例2）通 过 SNOMED CT ID 创 新 构 建SNOMED CP ID，实现了临床路径知识元素的标准化和数字化，具体方法见图 13。CP组件的标准化编码系统的一般格式则用连字符代码 CPID-SCTID 来表示，如缺血性中风CP报告的吞咽困难筛查代码为422。基于 SNOMED CP ID，中风的特异疾病元 CP 的示例见图 14。3）时间本体采用 W3C 推荐的 OWL 时间本体来建模时间知识。使用 ProtegeOWL编辑器，将时间本体与meta-CP本体集成，使 OWL 构造和 SWRL 规则

107、可以使用适当的时间本体公理对 CP 执行进行建模和推理。在本案例方法中，研究者基于 CP 标准化框架生成了许多业务算法示例，基于业务规则计算机化的示例如 CP 成本分析和 CP跟踪分析算法见图 15。白皮书34第 24 期图 15 CP 成本分析和 CP 跟踪规则算法示例(三)比利时根特大学医院临床指南的规则抽象和计算机化实施Femke Ongenae 等59提出了半自动转换框架，将手动整理的以流程图表示的临床指南转换为基于规则的工作应用程序。该方法通过基于XML的流程图表示指南，采用本体和SWRL等语义技术，将基于XML的流程图半自动转换为相似表达的Drools规则流。具体见图 16。该框架

108、基于 ICSP（重症监护患者服务平台）系统的 IZIS（重症监护信息系统）事实数据库在根特大学医院重症监护室实施实践。研究人员为指南的计算机化及在重症监护室的程序应用创建了整体的框架体系，具体见图 17。其中，产生式规则库的构建由基于XML的指南的计算机化翻译转化而来，规则引擎则提供了事实数据与规则数据进行模式匹配及经规则排序后的规则执行。具体可拆解分为几个重要步骤：1）规则库（计算机化指南）的构建：由临床专家通过各种图形流程图编辑器（如Visual Paradigm）手动构建镇静指南UML。通过 Drools 提供的一个组件Drools Flow引擎57或是用于 Eclipse 平台的 Dr

109、ools 插件，将基于 XML 的流程图转换为 Drools 规则流程。具体见图 18。关于医疗领域规则表达的浅识35图 16 根特大学 ICU-解决方案示例图 17 ICU 基于规则库的临床决策系统白皮书36第 24 期其中，半自动翻译的实现在于由医务人员设计的基于 XML 的流程图在工作流解释器组件中的输入。由【预处理模块】筛选重要的模型符号的类型、元素及与其他模型元素的连接信息，过滤所有多余的 XML 代码；由【组合推理模块】将 XML 转换为中间语言；再由【后处理模块】将中间语言翻译成Drools 规则流。整个规则流将可视化给领域专家，由各种医务人员进行评估，解决翻译过程中可能发生的问

110、题，如在两种可能的情况之间进行选择，通过给出同义词来澄清符号等等。并且，医学领域专家可以通过直观的规则编辑器 GUI 对流程图进行更正。2）规则的系统集成与应用：研究人员开发了 RuleEngineService 组件，包含有关临床指南及其实用服务的规则流。规则引擎服务提供实际的基于规则的功能。它包含用于维护各种规则引擎实例，向某个规则引擎实例添加或删除规则和事实以及触发规则的方法，这些规则将启动匹配规则事实的过程。RuleDataService用作可重用模型数据（如规则和事实）的持久容器。考虑规则引擎服务是一个被动组件，不采取主动而只处理来自客户端应用程序的请求。JobSchedulerSe

111、rvice提供了定义事件并计划在特定时间执行可能。具体见图 19。图 18 镇静指南的计算机化构建图 19 服务集成框架交互图关于医疗领域规则表达的浅识37五、发展趋势与展望我们已经处在了数字时代，数字技术以及数字化的数据和知识所构成的基础设施成为组织活动的核心载体。数字化正在重塑医疗保障、医疗服务在内的公共服务提供和社会治理格局，基于大数据的第四范式科学研究能发现复杂现实背后的普遍联系，但因果性才是我们认识复杂世界的关键，具有不可代替的作用60。基于规则的推理方法具有明确的前提，能够得到确定的结果3，从现实应用出发，可以看到推动医保审核规则、临床指南、临床路径等医疗领域规则“数字化”或“计算

112、机化”是当前数字基础设施建设的基础工作之一。国家医保局推进医保规范化发展对业务规则的重构与梳理，为知识库和规则库带来了新的关注热度。面对现有医保规则库缺乏和医保业务审核需求日益增长的矛盾，借助数据技术对就诊数据进行数据预处理和分析，挖掘出潜在的医保规则，以此补充现有的医保规则库成为重要方向。而数字医保的发展离不开数字医疗和数字健康，后两者是数字医保保障内容的来源，也直接影响数字医保的偿付、监管等治理效果61。要实现医保行业的智能化审核以及有效监控，保证规范的诊疗和用药，管理部门将更注重医疗服务监管，促使医疗服务行为规范化发展。那么，以医保撬动的医疗服务规范化发展下，作为医疗服务质量的关键规范性

113、基础，临床指南、临床路径的应用便具有了更现实的推动力。但是，将临床指南、临床路径等医学领域专业知识提炼成一套规则和事实是非常困难、耗时且昂贵的。该如何面对知识工程的“知识获取瓶颈”？我们反观了人类知识本身，即便是自然语言的知识体系，也需要构建知识基础设施工程来应对知识的不断更新与维护。数字时代，计算机是否在某种意义上也成为了和人相同重要的知识运用主体，那么构建计算机的知识维护体系是否也应该受到更多的重视与投入？知识工程的复杂性通过持续的开放与协作有可能取得突破，在协作以标准化的指导中提高共享效率。我们看到，仅仅是智能审核规则的应用，也能够极大的改善审核效率。业务发展中，规则的运行也不再满足于自

114、动化的执行，更希望系统能承担起专家角色，对业务管理提供启发与提升，规则引擎从专家系统来又向着新一代的“专家系统”去。国家自然科学基金委员会发布可解释、可通用的下一代人工智能方法重大研究计划 2022 年度项目指南，将数据驱动与知识驱动融合的人工智能作为资助方向61，人工智能的发展仍然道阻且长，但下一阶段，我们或许可以期待在更完备的医疗领域规则和知识与健康医疗大数据融合的驱动下，人工智能应用在医疗领域发挥更大价值。白皮书38第 24 期1 本报记者 吴晶 薛鹏.全国统一医保信息平台将带来什么 N/OL.中国纪检监察报,2022-05-27:004.DOI:10.28423/ki.njjjc.20

115、22.002129.2 江苏省医疗保障局 基金监督 关于印发全省统一的医保智能监控规则（第二批）的通知 EB/OL.2022-05-26.http:/ 杨兴,朱大奇,桑庆兵.专家系统研究现状与展望 J.计算机应用研究,2007(05):4-9.4 新华字典 M.北京:商务印书馆,2021.5 高小明,叶茂盛,李红燕,等.面向信息系统的业务规则引擎 C/第二十届全国数据库学术会议.中国湖南长沙,2003:102-104+113.6 WITT G.Chapter 3-A brief history of rulesM/OL/WITT G.Writing Effective Business Rul

116、es.Boston:Morgan Kaufmann,2012:25-632022-06-22.https:/ HU Y J,YEH C L,LAUN W.Challenges for Rule Systems on the WebC/OL/GOVERNATORI G,HALL J,PASCHKE A.Rule Interchange and Applications,Proceedings:卷 5858.Berlin:Springer-Verlag Berlin,2009:4-+2022-06-17.https:/ BRG:The Classic Business Rules PaperEB/

117、OL.2022-06-22.http:/www.businessrulesgroup.org/first_paper.htm.9 GOTTESDIENER B E,JULY 25 2001.Business Rules show power,promise-EB/OL/ADTmag.2022-06-28.https:/ IGLESIAS N,JUAREZ J M,CAMPOS M.Comprehensive analysis of rule formalisms to represent clinical guidelines:Selection criteria and case study

118、 on antibiotic clinical guidelinesJ/OL.Artificial Intelligence in Medicine,2020,103:101741.DOI:10.1016/j.artmed.2019.101741.11 化柏林.论知识管理与知识工程的差异性及其发展 J/OL.图书馆杂志,2008(11):2-5.DOI:10.13663/ki.lj.2008.11.022.12 尚尔路.规则自动生成技术研究及其在医保审核中的应用 D/OL.电子科技大学,20172022-06-16.https:/ RIF Primer(Second Edition)EB/OL

119、.2022-06-10.https:/www.w3.org/TR/2013/NOTE-rif-primer-20130205/.14 林佳瑞,周育丞,郑哲,等.一种将规范文本自动转为可计算逻辑规则的方法及系统:CN112764762BP/OL.2021-09-172022-06-16.https:/ 马创新.论知识表示 J/OL.现代情报,2014,34(3):21-24,28.DOI:10.3969/j.issn.1008-0821.2014.03.005.16 徐宝祥,叶培华.知识表示的方法研究 J.情报科学,2007(05):690-694.17 年志刚,梁式,麻芳兰,等.知识表示方法研

120、究与应用 J.计算机应用研究,2007(05):234-236+286.18 钱大群,吴智铭.“人工智能及其工程应用”讲座 第三讲 过程性知识与产生系统 J.自动化仪表,1991(01):42-44.19 袁国铭,李洪奇,樊波.关于知识工程的发展综述 J.计算技术与自动化,2011,30(01):138-143.20 刘建炜,燕路峰.知识表示方法比较 J.计算机系统应用,2011,20(03):242-246.21 左毅,易侃,于靖,等.军事领域知识表示及应用方法研究 J.中国电子科学研究院学报,2021,16(11):1067-1073+1102.22 王伟辉.基于业务规则的专家系统关键技术

121、研究 D/OL.西北大学,20112022-06-22.https:/ 杨海涛.规则引擎中规则描述语言及编译系统的研究与实现 D/OL.北京邮电大学,20102022-06-27.https:/ ROSS R G.Principles of the Business Rule ApproachM.USA:Addison-Wesley Longman Publishing Co.,Inc.,2003.25 BOLEY H,TABET S,WAGNER G.Design Rationale of RuleML:A Markup Language for Semantic Web RulesC/Pr

122、oceedings of the First International Conference on Semantic Web Working.Aachen,DEU:CEUR-WS.org,2001:381-401.26 徐伟,王儒敬,杨化峰.基于 RuleML 的多级知识单元知识表示方法 J.计算机工程与应用,2005(01):174-177.27 BELLATRECHE L,DUNG N X,PIERRA G,等.Contribution of ontology-based data modeling to automatic integration of electronic catal

123、ogues within engineering databasesJ/OL.Computers in Industry,2006,57(8):711-724.DOI:10.1016/pind.2006.04.015.28 陈布伟,李冠宇,张俊,等.基于语义网规则语言的推理机制框架设计 J/OL.计算机工程与设计,2010,31(04):847-849+853.DOI:10.16208/j.issn1000-7024.2010.04.060.29 HE Q,LING T W.Resolving Schematic Discrepancy in the Integration of Entity

124、-Relationship SchemasC/OL/Conceptual Modeling ER 2004.Springer,Berlin,Heidelberg,2004:-06-27.https:/ 陈巍.规则交换格式 RIF 在表示语义 Web 规则中的应用及其推理研究 D/OL.吉林大学,20102022-06-27.https:/ BizRulesEB/OL.2022-06-27.http:/ Rete:A Fast Algorithm for the Many Pattern/Many Object Pattern Match ProblemJ/OL.Readi

125、ngs in Artificial Intelligence and Databases,1989:547-559.DOI:10.1016/B978-0-934613-53-8.50041-8.33 MIRANKER D P.TREAT:a new and efficient match algorithm for AI production systemsD.USA:Columbia University,1987.34 王李军,陶明亮,张曙,等.面向业务规则引擎研究 J.计算机工程,2007(24):52-56.35 陈海霞,李健,吴凤云,等.多囊卵巢综合征生酮饮食治疗临床路径 J.实用临

126、床医药杂志,2021,25(03):5-7+32.36 国家卫生健康委办公厅关于印发病案管理质量控制指标（2021 年版）的通知 EB/OL.2022-06-27.http:/ 单帅帅,王庆伟,文建国.临床指南和专家共识的基本概念与制定规范 J.中华小儿外科杂志,2020(02):107-108-109-110-111.38 关于调整全省医保智能审核监控系统违规规则的通知 _ 青海省医疗保障局 EB/OL.2022-06-27.http:/ 医保审核系统审核规则说明(完整版)资料-百度文库 EB/OL.2022-06-27.https:/ 关于发布新版上海市医疗保险暨医药采购市全量统编药品及其

127、规则字典的通知-国家药品供应保障综合管理信息平台 EB/OL.2022-06-27.http:/ 温州智能审核监控平台事中控制规则及有关内容-百度文库 EB/OL.2022-06-27.https:/ BOXWALA A A,ROCHA B H,MAVIGLIA S,等.A multi-layered framework for disseminating knowledge for computer-based decision supportJ/OL.Journal of the American Medical Informatics Association,2011,18(Supple

128、ment_1):i132-i139.DOI:10.1136/amiajnl-.43 ACHOUR S L,DOJAT M,RIEUX C,等.A UMLS-based Knowledge Acquisition Tool for Rule-based Clinical Decision Support System DevelopmentJ/OL.Journal of the American Medical Informatics Association,2001,8(4):351-360.DOI:10.1136/jamia.2001.0080351.44 SAMWAL

129、D M,FEHRE K,DE BRUIN J,等.The Arden Syntax standard for clinical decision support:experiences and directionsJ/OL.Journal of Biomedical Informatics,2012,45(4):711-718.DOI:10.1016/j.jbi.2012.02.001.白皮书40第 24 期45 KONG G,XU D L,BODY R,等.A belief rule-based decision support system for clinical risk assess

130、ment of cardiac chest painJ/OL.Feature Clusters,2012,219(3):564-573.DOI:10.1016/j.ejor.2011.10.044.46 KONG G,XU D L,YANG J B,等.Belief rule-based inference for predicting trauma outcomeJ/OL.Knowledge-Based Systems,2016,95:35-44.DOI:10.1016/j.knosys.2015.12.002.47 曹晓均.基于规则库的临床辅助决策系统实践 J.中国数字医学,2021,16

131、(09):16-20.48 王珏,夏新,燕丹丹.基于临床知识库的临床决策支持系统的构建和应用 J.心理医生,2018,24(14):345-346.49 袁骏毅,潘常青,陈璨.基于智能规则的医院检查预约平台应用研究 J.医学信息学杂志,2020,41(3):4.50 吴志丹,薛锦,高原.基于规则库的智能化医技预约流程构建 J.中国数字医学,2021,16(06):38-42.51 殷珺.大型三甲医院一站式医技预约管理平台的实现与应用 J.科技创新导报,2017,14(34):2.52 陈伯勋,李健,周焰升,等.医院检验智能预约平台设计与应用 J.医学与社会,2019,32(9):4.53 俞丽

132、颖.基于规则的医保智能审核系统的研究 D/OL.电子科技大学,20162022-05-26.https:/ 朱晶,王蓓丽,郭玮,等.临床生化检验报告自动审核系统的规范化建立和优化 J.临床检验杂志,2018.55 夏良裕,程歆琦,刘茜,等.临床实验室生化免疫项目自动审核程序的建立与应用 J.中华医学杂志,2017,97(8):6.56 杨勇,贾延伟,曹伟,等.生化检验结果自动审核规则的制定及其应用 J.临床检验杂志,2016,34(002):152-155.57 徐海亮,谢新鹏,廖生武.临床检验智能审核系统的设计与实现 J.中国数字医学,2021,16(11):43-49.58 CDS Con

133、nect.Web site.Rockville(MD):Agency for Healthcare Research and Quality(AHRQ).https:/cds.ahrq.gov/.Accessed October 03,2018.59 Ongenae,F.,De Backere,F.,Steurbaut,K.et al.Towards computerizing intensive care sedation guidelines:design of a rule-based architecture for automated execution of clinical guidelines.JBMC Med Inform Decis Mak,2010,3(10).https:/doi.org/10.1186/1472-6947-10-360 杨红燕.数字化时代的数字医保：内涵、价值、挑战与治理思路 J/OL.华中科技大学学报(社会科学版),2021,35(02):17-24.DOI:10.19648/ki.jhustss1980.2021.02.03.61 关于发布可解释、可通用的下一代人工智能方法重大研究计划 2022 年度项目指南的通告新闻科学网 EB/OL.2022-06-23.https:/