1. 研究目的与意义
(一)课题研究的历史发展、现状分析和发展趋势 信息学技术支持医学由被动转向主动，对精确路径、个性化、参与情况、预测和性能提出了更高的要求。为了使用真实世界数据生成可靠的真实世界证据，使其具备自动化的临床决策支持能力，数据需要具有语义上的可互操作性，并且进行标准化和结构化。Fast Healthcare Interoperability Resources (FHIR)，即快速医疗互操作性资源，是HL7 提出的新一代标准框架，基于XML、JSON、HTTP、OAuth等Web标准整合了HL7 V2、V3和CDA的优点，围绕着可实施性开发和实现，支持RESTful架构，支持使用消息或文档无缝交换。FHIR提供一种人类可读的格式wire format，提供多种实现的代码库作为参考，标准供免费无限制使用。[1-8]糖尿病作为一种慢性非传染性疾病，其管理在很大程度上取决于患者的长期自我管理，这个过程一定程度上依赖于临床决策工具。目前已有组织将CDS和AI模型运用在疾病预测上。临床决策支持系统能够模拟糖尿病专家诊断的思维过程，提供常规诊疗方案。现有的CDSS基于临床指南、规则、案例推理以及本体。人工智能技术基于多元异构数据，提供为患者更个性化诊疗方案。近年来糖尿病临床诊疗已初步采用了决策树、神经网络、模糊逻辑、支持向量机、关联规则和时序挖掘等多种方法，此类基于数据挖掘技术的研究尚处于起步阶段。[9-16]个性化的糖尿病智能决策将在各项指标的的动态监测、分析数据、发现规律、提供治疗方案和管理建议、生产真实世界证据中形成完整闭环，伴随更多糖尿病管理行为的发生、数据和知识的积累，诊断的个性化和精确性将会更完善。然而由于临床环境的紧急、复杂和不可预测，且应用机器学习来预测现实世界的个体治疗效果的存在将数据驱动的预测模型和临床证据转化为可互操作性临床决策工具整合入工作流仍然是一个挑战。[17-19]
(二)本课题研究的意义和价值 本课题选择糖尿病作为目标疾病，因为患者能通过数字手段能显著提升预后和生活质量。我国成人糖尿病知晓率(36.5%)、治疗率(32.2%)和控制率(49.2%)与 2010年(分别为30.1%、25.8%和39.7% )相比均有一定程度的提高，但与发达国家相比，仍相对较低。[20-23]本课题使用了公开的工具（clinFHIR、CDS Arthoring tools、Intersystems IRIS、HAPI FHIR），对两种用于糖尿病管理方法，CDS hooks和机器学习方法进行了实施和比较研究，探讨了它们在使用快速医疗互操作性资源 (FHIR) 进行糖尿病管理方面的实用性。我们以将患者的基本信息、病症、计划等信息按标准术语编码为值集，并将基于临床指南的证据转换为临床质量语言 (CQL) 编码的 CDS 工件，给予患者对应的建议和干预。还训练随机森林模型，得到对患者是否得糖尿病及其并发症进行预测的结果。国内学术对FHIR在糖尿病管理方面的研究尚少。通过本文研究能够丰富对糖尿病真实世界证据的生产与智能决策的研究，进而促进糖尿病管理理论研究的发展，具有理论意义。[24-26]
国内外FHIR技术的发展帮助医疗卫生机构面对由于医学和尤其产生的临床术语的复杂性带来的挑战。本文通过对FHIR可交互性方面的研究和分析，建议AI和CDS都可以促进糖尿病知识的共享、互操作和重用，并允许知识以半结构化的机器友好的可执行代码表示，应该将二者集成、配合使用，对医疗卫生行业的发展提供支持，促进国内个性化糖尿病管理发展，具有现实意义。[27-30]
2. 研究内容和问题
（一）基本内容
1、调研国内外医疗保健记录传输所使用的标准。
2、筛选临床指南，使用CDS工具将糖尿病诊断的临床证据转化为CDS工件，并使用FHIR R4数据模型进行分享。
3. 设计方案和技术路线
1、首先调研目前国内智能化数据服务的应用，发现基于FHIR标准的数据处理平台存在。实现真实世界证据的生产与智能决策工作流程。
2、基于FHIR来融合多源异构数据并构建AI预测模型，实现RWE的证据转化。对比不同平台（如IRIS、Amazon）的FHIR平台的结构化信息粒度并进行实现。
4. 研究的条件和基础
1. 具有一定医学知识基础，具有糖尿病管理相关的专业知识。
2. 具有一定的编程能力，能够顺利实现完整的工作流程。
3. 充分调研国内外智能决策服务平台，了解实验相关的ai建模知识和决策支持系统知识。
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
