《健康数据科学》(Health Data Science)杂志是一份开放期刊，由北京大学詹院士创办，与国际顶级学术期刊《科学》(Science)同源，专注于医疗健康和数据科学领域。作为CDSS行业的领导者，灵医智汇基于其在行业内多年的技术沉淀，于近期在本刊发表了一篇重要的综合性论文《基于认知计算的CDSS在医疗实践中的应用》。
本文深入研究了近10年来基于认知计算的CDSS的研究进展和产业化情况，提出了核心观点:医学知识的可计算性和多模态医学数据的联合推理；本文重点介绍了该方向的领军企业如精神科医生智汇的产业化进展，并指出了当前亟待解决的问题，如数据互联、医务工作者使用习惯、AI决策结果的可解释性等。
以下是论文的核心观点和解读。点击左下角“阅读原文”查看全文。
什么是基于认知计算的临床辅助决策系统？
与传统的提供确定性医学专业知识内容检索服务的临床辅助决策系统产品不同，基于认知计算的CDSS依托人工智能、机器学习、大数据、自然语言处理、计算机视觉和语音识别技术，突出系统以类似人类的方式独立分析、理解和推断临床数据，以最佳概率为更广阔的临床场景提供智能的、不确定的决策建议。除了解决用户触发的决策支持需求，还支持系统的自发推荐、提醒、预填、预警、屏蔽拦截等。，从而达到在正确的时间以正确的方式将正确的信息提供给正确的角色，辅助临床决策的目的。
基于认知计算的临床辅助决策系统有什么特点？
从近10年的研究进展来看，主要包括两个典型特征:多模态数据处理和医学知识的可计算性。在文本数据上，医学命名实体识别和医学语言模型广泛应用于诊断、预后和治疗。在图像数据方面，在眼底、病理、皮肤病变、X线、CT、MRI、超声等医学图像的自动筛查和诊断的一些研究中，对病变的目标检测、分割和分类的研究已经接近临床技术人员的水平。由表格数据表示的结构化数据由于其计算机友好的数据离散性和结构而被广泛用于各种临床场景。典型的场景包括医学规模、测试结果的解释和临床研究。在此基础上，对多模态数据的综合分析、理解和推理是医学认知计算的重要趋势，这在最近的COVID19疫情中得到了充分体现。另外，临床医学是一个知识属性极强的领域，传统的CDSS无法突破计算机能够像人类一样理解医学知识的障碍。其中一个主要原因就是知识形态的不同。人脑有很强的联想、理解和知识传递能力。医学知识在医学书籍等权威文献中的表现形式符合人脑的学习和认知模式，但对计算机并不友好。因此，基于认知计算的CDSS通过对医学知识计算机化的各种研究，使医学知识以计算机可读、友好的方式出现，符合计算机计算能力强、存储容量大的特点，从而使临床辅助决策系统更加智能。基于认知计算的临床辅助决策系统有什么应用？
