［摘要］从信息角度看，合理用药实质上是患者的病情信息，医药学信息及药品信息等3类信息在患者、医药人员和药品之间的运动过程。智能信息技术如数据挖掘、人工神经网络、专家系统、决策支持系统、图像处理等可以加快3类信息的传递速度，辅助医药人员处理和分析信息，从而提高工作能力和效率，最终提高合理用药水平。

［关键词］信息技术；合理用药

［中图分类号］R969.3；TP3   ［文献标识码］C   ［文章编写］1004-0781(2005)09-0853-03

当前，合理用药起来越受到各方面关注，为提高合理用药水平，提出了很多方案，也取得了很大成绩，但不合理用药现象远未根除。笔者从信息角度对合理用药进行分析，综述现代信息技术，特别是智能信息技术在合理用药领域的应用，希望能为解决不合理用药提出一条新的思路。

1 合理用药的信息学分析

合理用药，简单的说，就是以当代药物和疾病的系统知识和理论为基础，安全、有效、经济、适当地使用药物^[1]。从生物医学角度判断用药是否合理的标准是^[2]：①选用药物正确无误；②用药指征适宜；③药物的疗效、安全性、使用和价格对患者适宜；④剂量用法疗程妥当；⑤用药对象适宜，无禁忌证，不良反应小；⑥药品调配及提供给患者的药品信息正确；⑦患者服从医嘱情况良好。为了实现上述标准，需要正确诊断病情、合理制订用药方案、正确调配和服用药品，涉及到医疗诊断、药物治疗、药事管理、药品供应、药物相互作用、药物不良反应、药物经济学、个体化用药等医药学领域诸多方面。

从信息角度看，合理用药实质上是一个在患者、医药人员和药品之间的信息运动过程。在这个过程中主要包括3类信息，一是患者的病情信息，二是指导医生和药师工作的医药学理论知识以及工作经验等医药学信息，三是药品信息，包括药品的药学信息(药理作用、不良反应、用法用量等)和经济信息(价格、供应情况等)。医生从患者身上获取病情信息，依据自身掌握的医学知识和经验诊断病情和制定用药方案；药师根据医生处方和药品信息，为患者调配药品；患者在医嘱信息和药品信息的正确指导下，服用药品。在这个信息运动过程的任一环节出现问题，都将导致不合理用药。例如，对患者病情信息的获取不全面，可能导致错误诊断；医生对药品信息掌握不充分，会导致错误用药；药品信息不能完整、充分地从药师传递给患者，会导致患者服药错误；医生和药师的医药知识老化，不能及时掌握最新医药学信息，就不能满足临床工作需要，提高合理用药水平。由此可见，为实现合理用药，就需要采用各种方法来维护、干预和优化病情信息，医药学信息和药品信息这3类信息的获取、传递和处理等运动过程。

现代信息技术的飞速发展，特别是智能信息技术的发展为此提供了许多新的手段和方法。所谓现代信息技术，狭义地讲，就是指以计算机网络为基础的信息收集、整理与传递，广义上还包括信息的处理与分析。所谓智能信息技术，是指用计算机模拟或实现人的智能信息技术，主要包括数据挖掘、人工神经网络、专家系统、决策支持系统、图像处理、机器学习、自动程序设计等。现代信息技术在合理用药领域的应用，可以加快有关病情信息、医药学信息和药品信息等多类信息的收集、传递速度，辅助医药人员处理和分析信息，从而提高工作效率，减少人为差错，增强工作能力，最终提高合理用药水平。

2 网络技术的应用

计算机网络技术是现代通信技术与计算机技术相结合的产物。网络技术在合理用药的应用主要体现在局域网和互联网两方面。前者主要表现为医院信息系统(hospital information system HIS)以及以它为平台的各种辅助功能软件，后者主要表现为有关合理用药的网站。

HIS通过计算机和通信设备采集、存储、处理和输出患者的医护和管理信息，形成网络系统，实现信息共享，从而提高医院医疗质量和工作效益。HIS在西方发达国家已有几十年的发展历史。1996年底，在国家卫生部的支持下，国内第一个HIS商品化产品研制成功。几乎与此同时，由中国人民解放军总后卫生部组织，解放军第301医院开发的军惠 HIS产品也成功面世，并且开始在全军各个医院分批试点推广应用。随着军惠HIS在全军医院的推广应用，不仅提高了各个医院的管理水平和医疗质量，而且促进了大量合理用药辅助软件的开发应用。

南京军区总医院药品科设计应用的药品不良反应(ADRs)监测系统，用于ADRs监测，按照国家供试品药品监督管理局(SFDA)制定的ADR呈报表做出报告，使得ADRs监测和报告工作系统化、规范化，使于查询和分析。济南军区医院药学部在医院局域网上建立了药品信息数据库和药物治疗咨询系统，能对治疗方案做出药物相互作用的预测和评价，协助药师、医师分析相互作用发生不良反应的主要药品；生成药害临床防治及严重药害事件抢救方案，还能进行经济学预测和评估。

随着Internet的发展，国内外出现了大量有关合理用药的网站，这些网站共同的宗旨是为合理用药的开展宣传，为医务人员和人民群众提供合理用药知识及药学综合信息服用。国内相关网站有国家药品评价中心网站(http://www.cdr.gov.cn/)，在部队系统较为知名的有北京军区总医院药理科创建的“合理用药网”(http://www.hlyyao.com.cn)，济南军区总医院药学部创建的“临床药师网”(http://www.yao85.com)，长海医院药创建的网站(http://www.yaoxue.net/) 和广州军区武汉总医院药剂科创建的“四月蒿”(http://www.syhao.net/)药学网站。国内外有些医药网站中有提供有关药物相互作用和不良反应信息供民众和医务人员免费查询，其中较多著名的有DRKOOP(http://www.drkoop.com/)和Medicine NET。

3 数据库的应用

数据库可以简单地理解为数据的“仓库”。一般来讲，每一个数据库都由相关的数据组成，并且这些数据都以一定的组织方式存在于数据库中。在药学领域，数据库技术广泛应用。文献检索、联机查询，在Internet上检索信息、办公信息系统、医院药房信息管理系统，这一切应用技术背后都有数据库技术的支持，现在已经很少有数据不以数据库的形式来存储^[3]。

国内研究开发了处方自动监测系统数据库(prescription automatic screening system databases, PASS)^[4]，其中有关药物作用、剂量和变态反应等信息主要来源于美国第一数据库(first data bank, FDB), PASS以发现警示信号的形式提供医嘱中可能导致药物不良事件的信息。总后卫生部组织在军内13家三级甲等医院试运行以来，在降低不合理用药方面取得了良好的效果。目前正在组织第二批医院扩大使用。

国外在ADR研究中起来越重视对大型流行病学数据库的应用，如Stom利用Medicaid数据库中的资料，对西咪替丁引起中性粒细胞减少症进行评价，发现两者因果关系不明显，也否定使用东莨菪碱会引起惊厥的假设。还有利用加拿大Saskatche wan 数据库中的资料，对非甾体抗炎药进行了系统评价，发现该类药的使用可能使严重的急性非感染性肝损害的危险增加，并可导致消化道疾病住院患者的增加^[5]。

4 数据挖掘的应用

简单地讲，数据挖掘是从大量数据中提取或“挖掘”知识。数据挖掘融合了数据库、人工智能、机器学习、统计学等多个领域的理论和技术，使用的方法主要包括分类、聚类分析、关联分析等，常用的有贝叶斯网络分类法、决策树法、机器学习、案例推理、关联法则分析等。

随着科学文献几何数量级的增长和学科分类越来越细，大量的科学文献之间一定隐藏着未被发现的联系。数据挖掘为发现这些隐藏的联系(或称为隐藏知识)提供了新的方法。美国芝加哥大学信息科学荣誉教授Swanson采用数据挖掘的方法从Medline数据库中成功地“挖掘”出两个“隐藏知识”：食用鱼油对雷诺病患者有益，周期性偏头痛与镁缺乏之间存在联系，这两上推论后来都被临床试验证实^[6～8]。国内有人将基于粗糙集理论的数据挖掘技术应用于医院内感染数据的知识发现，在智能诊断的知识自动获取方面取得了一定的进展^[9]。

澳大利亚政府健康保险局(Health Insurance Commission)与IBM公司合作，用数据挖掘的分类技术来分析医院患者处方，检测不合理处方，同时将医保的财务报表与历史资料比较，检查医疗费用的合理性，以提高服用效率，降低医疗保险费用。

IMS Health公司通过收集大量的医生、药师和医院等多方资料，采用数据挖掘技术进行资料分析，提出相关的策略信息，包括医生的用药行为、用药趋势预测、疾病诊断行为模式以及医生与患者的互动模式分析。

国内药学界也开始了有关数据挖掘的研究，如北京中医药大学应用数据挖掘多种分析方法，与数据库、联机分析处理和专家系统等技术相结合，研究建立能够实现中医药数据多层面智能分析的综合智能决策支持系统^[10]；国家自然科学基金资助了北京中医药大学乔延江负责的项目“中国药性理论的数据挖掘研究”(项目编写30371784,2003年)。

5 决策支持系统的应用

所谓决策支持系统是一个以计算机为基础的人机交互信息系统，它能够综合利用各种数据、信息、知识、人工智能和模型技术，对数据进行分析、综合，预测未来的变化趋势，辅助决策者解决半结构化或非结构化的问题。决策支持系统在合理用药的应用主要包括辅助医生避免处方错误、制定最佳给药方案^[3]。

Del等^[11]研究的临床决策支持系统在对37237份处方的回溯性研究中，发现了10044份(27.0%)处方存在着1种或1种以上的药物相互作用，而且其中6.4%的药物相互作用非常严重。Sphiris等^[12]开发了基于药品品名、药物之间的配伍禁忌、药物之间的相互作用以及药品价格数据库的针对重站监护病房(ICU)患者的药物治疗决策支持系统，该系统确保了药物治疗的安全性，还可根据患者的病情(人体测量的数据、实验室检查结果、预后性症状得分等指标)及时调整用药剂量，同时还可有效地避免药物之间相互作用的发生。

Lo等^[13]通过晚期结肠癌患者研究了计算机决策支持系统(Computer decision support system, CDSS)在制定给药方案中的作用。CDSS的任务是获取和组织数据，根据不同的原则复原和组合数据，显示分析结果得出治疗方案。根据药物的有效率，ADR的发生率等综合指标决定出最优的治疗方案。结果表明在患者的病情不是非常严重时应用氟尿嘧啶+甲酰四氢叶酸是可行的；反之，在病情恶化时推荐单独使用氟尿嘧啶。Chertow等^[14]针对肾功能不全的患者，通过决策支持系统对医生开具的处方中的给药剂量、用药频率、停药时间的长短、住院及用药的费用进行了评价。根据肾功能状况，系统对97151份处方中的14440份(14.0%)至少做了一次剂量上的调整。决策支持系统的应用取得了较好效果。

国外有研究^[15]表明，适当的临床决策支持系统能够改变医师的处方行为。哈佛大学的Brigham and Women’s Hospital在1993年建立了医嘱输入系统，并在开药过程中加入药物决策支持功能。在医师书写药物时，系统画面会立即出现有关药物的剂量与用法的表单，医师可点选表单上的建议或选择其他的方式给药；此外，针对药物致变态反应、药物相互作用、重复用药等现象，系统画面也会出现警告信息。该系统除了提供药物用法的建议和警告外，也能依据患者的临床症状给予替代用药的建议。另外，医师下达新的医嘱时，系统会根据医嘱内容而建议后续的医嘱。例如，当医师下达卧床指示时，如果没有开立肝素(Heparin)药物，系统会出现皮下注射肝素的建议。经过连续2a的追踪分析，药物决策支持系统运行后，医生对药物的使用正确率大幅度上升。例如，对药物昂丹司琼(ondansetron)的使用频率标准建议是每天3次，系统运行后医师开写每天3次的比例由6%增至75%(p<0.01)。药物剂量超过最大剂量的比例由21%降低到0.6%(p<0.01)，药物平均剂量的标准差也降低了11%(p<0.01)。另外对卧床患者，为预防血栓形成建议用药肝素，系统运行后该药的使用率由24%上升到47%(P<0.01)，系统建议用药尼扎替丁(nizatidine)占H2受体阻滞药的比例由15.6%增加至81.3%(p<0.01)。

6 人工神经网络的应用

人工神经网络简称为神经网络，是模仿人脑的结构和功能的智能网络^[3]。Haidar等^[16]建立了预测瑞格列奈(repaglinide)群体药动学/药效学(phamacokinetic/phamacodynamic, PK/PD)的人工神经网络模型，应用结果表明，人工神经网络在预测PK和PD时较NA(naive averaging)和RN(randomly generated numbers)更为准确，其偏差在可以接受的范围内，同时也为鉴别协方差的显著性提供了一种快速简捷的方法。

国内相秉仁等提出了一种以遗传神经网络为基础的抗肿瘤药物不良反应诊断系统，以此考察了LEVF方案(醛氢叶酸、足叶乙苷、氟尿嘧啶等3种药物)引起的骨骼抑制毒性，得到了较好的预测结果。该系统既可用于临床的药物不良反应诊断，也可用于新药的ADR事件评价^[17]。国家自然科学基金资助了中国药科大学刘晓东负责的项目“用神经网络模型研究中药复方药动力学与药效学”(项目编写39970903,1999年)。

推动合理用药是一项复杂浩大的系统工程，需要医药学界、政府机构和社会各方面的努力和支持。现代信息技术在此领域的应用才刚刚开始，却已经显示出巨大的应用潜力。与发达国家相比，我国医药学界应用信息技术的水平还有很大差距。尽快学习现代信息科学，充分利用现代信息技术，提高合理用药水平，是医药工作者面临的迫切任务。

[参考文献]

［1］       王青，兰奋，肖爱丽，不合理用药问题及干预研究[J].中国临床药理学杂志，2003,19(1)：75-78

［2］       唐镜波.医疗质量与合理用药的现状与对策[J].药物流行病学杂志，2003,12(4)：169-170

［3］       汤韧，易涛，张宣，现代药学信息技术[M].北京：人民军医出版社，2003,215-241

［4］       唐镜波，赖琪，袁天锡，等，合理用药自动监测网络软件的开发[J].中国药学杂志，2000,35(11)：780-781

［5］       王永铭，杜勇，药物不良反应监测研究_回顾与展望[J].中国新药杂志，1999，8(9)：581-583

［6］       Swanson D R.Fishv oil, Raynaud’s syndrome, and undiscovered public knowledge [J] Perspectives Biolog Med,1986,30(1):18-22

［7］       Chang B B,Di Giacom  o R,Kremer J,et al.Effects of fish oil fatty acid ingestion in patients with Raynaud’s syndrome[J].Surgical Forum,1988,39(3):324-326

［8］       DiGiacom o R,Kremer JM,Shah D M,Fishoil dietary supple mentation in patients with Raynaud’s phenomenon a double-blind, controlled, Prospective study[J],Am J Med,1989,86(2):158-164

［9］       王向阳，崔林，褚玉林，基于粗糙集理论的医院院内感染数据挖掘[J]，洛阳工学院学报，2002,23(2)：59-62

［10］   姚美村，袁月梅，艾路，等，数据挖掘及其在中医药现代化研究应用[J]，北京中医药大学学报，2002,25(5)：20-23

［11］   Del F G,Rocha B H, Nohama P.Design, implementation and evaluation of a clinical decision support system to prevent adverse drug events[J].Stud Health Technol Inform,2000,77(7):740-744

［12］   Sphiris N,Nanas S,Paraskevopoulou H, et al. A decision support soft-were package for medical treatment of I.C.U. patients [J] Stud Health Technol Inform, 1997,43(9):911-914

［13］   Lo Bello L,Pistone G,Restuccia S, et al, 5-fluorouracil alone versus 5-fluorouracil plus folinic acid in the treatment of colorectal carcinona: meta-analysis[J].Int J Clin Phammacol Ther,2000,38(12):553-562

［14］   Chertow G M,Lee J, Kuperman G J, et al. Guided medication dosing for inpatients with renal insufficiency[J].JAMA,2001,286(22):2839-2844

［15］   Joathan M, Pankaj R, Jennifer L, et al ,Effects of computerized physician order entry on prescribing practices[J],Arch Intem Med,2000,160(18):2741-2747

［16］   Haidar S H,Johnson S B,Fosslcr M J, et al , Modeling the phamacokinctics and phamacodynamics of a unique oral hypoglycemic agent using neural networks[J].Pham Res,2002,19(1):87-91

［17］   陈浩，余江南，朱小霞，等，基于遗传神经网络的抗肿瘤药物不良反应诊断系统[J]，计算机与应用化学，2002,19(1)：54-56

                                        医药导报 2005年9月第24卷第9期