最近，一位中年患者拜訪了西雅圖的醫生托馬斯·佩恩，抱怨體重明顯意外減輕和腳部刺痛。這位醫生感到困惑——這些症狀可能表明從感染到數十種更復雜的疾病，例如糖尿病或癌症。因此，佩恩，他同時也在華盛頓大學醫學院擔任資訊科技服務醫療主任，做了一件不尋常的事情。在進行了標準的身體檢查並填寫了患者的醫療記錄後，他求助於一個線上工具——DXplain——尋求幫助。
佩恩輸入了症狀，計算機程式提示了一些潛在的疾病，包括一種罕見的疾病，稱為澱粉樣變性，其中異常蛋白質在體內積聚，干擾正常的器官功能並導致神經損傷。進一步的檢查和另一家機構的活組織檢查證實了這個提示——這位患者是美國每年約 4,000 名被診斷出患有這種疾病的人之一。
即使在五年前，如果佩恩對某個病例感到困惑，他首先會求助於一位值得信賴的同事，或者花費數小時仔細研究大量的教科書和科學研究，以找出這種晦澀的診斷。DXplain 利用相同的教科書和同行評審的研究來進行自己的評估——但在幾秒鐘內就能完成。“我能提出同樣的疾病列表嗎？也許如果我思考足夠長的時間，”佩恩說，他通常看到的患者患有流感或關節炎，而不是無法解釋的神經損傷。但是，他警告說，科學文獻表明，“當時間緊迫時，我們不會像應該的那樣坐下來思考這些事情，那麼這些診斷可能會被遺漏。”
支援科學新聞
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們當今世界的發現和想法的具有影響力的故事的未來。
美國國家科學、工程和醫學院認為，這種遺漏太常見了，該學院在 1999 年和 2015 年發表了關於醫療錯誤原因的主要報告。其中一些錯誤可能源於不良的記錄儲存或溝通不暢。但誤診通常是罪魁禍首。對醫療記錄的審查表明，醫院中 6% 到 17% 的不良事件可能與誤診有關。國家科學院 2015 年的報告估計，美國 10% 的患者死亡是由這些不正確的結論以及相應的不當治療造成的。
科學院建議的解決方案之一是，醫院和臨床醫生應採用更多工具——正式稱為臨床決策支援系統——這可能有助於改進他們的決策。在最基本的層面上，這可能意味著遵循清單，以避免在重要的日常工作中跳過關鍵步驟。越來越多的醫學院、教學醫院和其他護理中心也在為基於計算機的輔助工具付費，例如 DXplain 或其競爭對手 VisualDx 和 Isabel。據其製造商稱，目前 VisualDx 是最受歡迎的診斷支援系統，已在美國 1,600 多家醫院和診所獲得許可。
臨床決策支援行業表示，其產品可以幫助臨床醫生確認其診斷或提出替代方案。但是，醫生們並沒有完全張開雙臂擁抱這些新工具。最大的問題是，採用此類軟體解決方案是否會實質性地提升醫療實踐水平，還是僅僅給醫生本已緊張的日程安排增加不必要的複雜性。
處理能力
利用計算機幫助進行醫療診斷的想法並不新鮮。首次針對臨床醫生錯誤的計算機工作始於 20 世紀 70 年代。然後在 20 世紀 80 年代中期，馬薩諸塞州總醫院開始研究 DXplain，目標是幫助改進診斷。這種方法似乎很有希望，但當時實際上並沒有流行起來，部分原因是患者記錄仍然是手寫的，而轉向基於計算機的程式又增加了一個繁瑣的步驟。
自那時以來發生了很多變化。計算機現在已成為標準醫學不可或缺的一部分。在聯邦激勵措施的鼓勵下，它們已經接管了大多數診所、醫院和私人診所的記錄儲存工作。這些轉變提高了醫療保健系統的質量、安全性和效率。
臨床決策支援系統也發生了變化。它們變得更快，並且通常直接連結到它們從中提取的研究，使臨床醫生能夠快速評估證據並瞭解有關潛在診斷的更多資訊。VisualDx 在這方面突出了其“視覺”方面——它包括可能受影響的身體部位的圖表和疾病圖片，以便於比較。
至關重要的是，科學家們還更多地瞭解了人們為什麼會犯某些型別的錯誤以及如何糾正這些錯誤。研究人員已經確定了醫生在做出診斷時有時會陷入的許多認知陷阱。其中一種似乎特別適合透過計算機糾正的是所謂的錨定錯誤。研究表明，醫生常常會堅持他們想到的第一個診斷——錨點——即使它是錯誤的。然後，他們可能會下意識地更加重視任何強化該診斷的資訊，而忽略——甚至懶得尋找——其他資料。
人為錯誤
在繁忙的醫院病房或醫療實踐中，錨定錯誤可能會因多種原因而發生。一位忙碌的臨床醫生可能會忘記詢問患者最近是否旅行過，即使該答案可能會大大改變可能的診斷——導致出現這樣的情況：例如，埃博拉患者可能會被醫院送回家，並指示服用泰諾林治療高燒和疼痛，而不是被隔離並接受立即護理。其他問題可能源於醫生接受教育的方式。學生通常會得到反映原型症狀而不是現實世界複雜性的案例研究。教科書案例並不像人們想象的那麼常見。
這種差異正是這些系統希望找到其最佳位置的地方。每個程式都採用專有演算法將症狀與診斷聯絡起來，並標記哪些疾病可能是最有可能的或最危險的，因此需要儘快排除。有些甚至能夠自動從患者當前的電子病歷中提取資訊，從而減少醫生重新輸入相同資訊的需求。
然而，決策支援程式能在多大程度上減少錯誤仍然難以估計。但初步資料看起來很有希望。2011 年對 VisualDx 的一項研究比較了兩家不同機構的急診室醫生在有和沒有計算機輔助的情況下診斷特定皮膚感染的能力。使用 VisualDx 的臨床醫生有 64% 的時間做出正確診斷。沒有使用的臨床醫生只有 14% 的時間做出正確診斷。2014 年在一次會議上發表的關於 Isabel 的一項初步研究得出結論，該服務將 40 名醫學生做出準確診斷的能力提高了多達三分之一。2010 年發表的一項關於 DXplain 的研究發現，當梅奧診所的住院醫師在診斷複雜的病例中使用它時，該程式顯著降低了醫療成本，因為它縮短了住院時間，提高了住院效率。
需要克服的障礙
然而，有益的改變往往來得很慢。7 月，美國國家科學院舉行了一次為期一天的會議，以檢查減少診斷錯誤的進展情況。主持科學院 2015 年報告的醫生約翰·鮑爾在會議召開前表示，他預計結果“令人失望”，因為許多減少錯誤的建議——包括更多地使用計算機化決策工具——尚未大規模採用。鮑爾說，他自己在北卡羅來納州的七家醫院系統尚未在將這些系統整合到其護理中取得太大進展。
鮑爾指出，北卡羅來納州的部分問題是，他網路中的各個醫院和醫生使用不同的電子記錄系統和協議，這使得標準化此類變更變得不可能。他說，另一個問題是，醫生可能不願意花時間學習系統，直到他們確定它值得為止。
美國醫學診斷改進協會主席兼聯合創始人馬克·格雷伯觀察到，制度慣性是美國各地普遍存在的問題。“醫療保健組織並沒有真正‘擁有’診斷錯誤的問題，也沒有認識到這是他們需要關注的問題，”他說。“總的來說，醫生認為他們做得很好，並且認為他們真的不需要擔心[它]。”
此外，一些專家，例如美國醫師學會前任主席、亞特蘭大執業內科醫生桑德拉·弗萊霍弗，擔心這些程式的廣泛採用可能會產生意想不到的後果。她擔心，如果此類軟體更容易為患者所用，他們可能會放棄去看醫生，因為他們認為自己已經知道出了什麼問題，或者，或者，不必要地感到煩惱，因為該程式提示了一個可怕的結果——醫生說這種情況現在發生在人們在網際網路上搜索他們的症狀時。
然而，像佩恩這樣的醫生表示，他們並不擔心被取代。他們設想的是一種更安全、更智慧的方法——就像飛機駕駛艙中複雜的備用系統一樣。他們希望透過這種內建的冗餘和提示，也許他們可以為我們所有人規劃一條更可靠、更順暢的航線。