《International Journal of Medical Informatics》：Architectural and translational perspectives on clinical decision support systems for rare disease diagnosis: a scoping review
编辑推荐：
本文通过系统综述方法，梳理了罕见病诊断辅助决策系统（CDSS）的四类技术范式：信息检索系统、表型驱动推理工具、基于EHR和AI的预测模型及互操作基础设施。研究指出当前CDSS在临床验证、工作流程整合和实际应用方面存在不足，并强调标准化数据、跨机构验证、可解释输出和互操作基础设施的重要性，为未来临床转化提供框架。
Erdener ?z?etin | Sümeyye Ebrar Ba? | Furkan ?zpay
工业工程系，工程与自然科学学院，希蒂特大学，19030 科鲁姆，土耳其
摘要
背景
由于表型异质性、临床认知有限以及医疗数据基础设施分散，罕见疾病的诊断仍然具有挑战性。临床决策支持系统（CDSS）作为一种有前景的工具，有助于更早地识别疾病并提高诊断的一致性。然而，相关文献涵盖了多种技术范式，这使得理解这些系统如何共同促进临床决策和实际应用变得困难。
目的
本综述旨在梳理用于罕见疾病诊断的CDSS，并探讨数据基础设施、基于表型的推理框架以及基于人工智能的方法如何为临床决策提供支持并推动其实际应用。
方法
本研究采用PRISMA-ScR框架进行了文献回顾。主要在PubMed（MEDLINE）中搜索文献，并在Google Scholar中进行了补充筛选；最终搜索于2025年11月30日完成。数据经过两阶段筛选，符合条件的研究根据CDSS类型、数据来源、分析方法、验证策略、可解释性特征、互操作性元素以及临床整合的证据进行了分类。研究结果采用基于分类法的主题分析方法进行整合，而非定量汇总。
结果
回顾的文献主要分为四种技术范式：信息检索系统、基于表型和本体论的推理工具、基于电子健康记录（EHR）和人工智能方法的数据驱动预测模型，以及联邦学习和知识图谱等互操作性基础设施。此外，还有一组研究关注这些范式下的临床评估和实际应用准备情况。在这些领域中，方法存在显著多样性，但外部验证、工作流程整合以及实际临床应用的证据仍然有限。互操作性、可解释性和治理问题是各范式共有的挑战。
结论
罕见疾病CDSS的研究正从孤立的诊断工具向更广泛的、相互连接的诊断生态系统发展。实现临床可操作的应用需要标准化的数据表示、更强有力的跨机构验证、与临床工作流程相匹配的可解释输出，以及由适当治理机制支持的互操作性基础设施。本综述提供了一个分类框架和概念体系，以支持罕见疾病诊断CDSS的实际应用开发。
引言
罕见疾病给医疗系统带来了巨大的负担，但这一负担往往未被充分认识。尽管每种疾病单独来看都较为罕见，但数千种罕见疾病的综合影响构成了严重的诊断难题。许多患者面临长时间的不确定性、治疗路径分散以及诊断延迟的问题，因为临床医生接触这些疾病的频率较低，症状往往具有异质性和非特异性，且临床决策缺乏整合和最新的知识资源支持[1][2][3][4]。
在这种背景下，诊断过程还受到数据碎片化、专家资源有限以及医疗机构间协调不足等结构性限制的影响。针对未确诊疾病的国际倡议表明，协作网络和基因组分析在降低诊断不确定性方面具有价值[5]。同样，Orphanet等资源展示了精心整理的疾病信息和转诊支持如何帮助患者更好地应对复杂的诊疗流程[6]。这些发展凸显了整合临床专业知识、标准化数据和计算支持的必要性。
临床决策支持系统（CDSS）已成为这一领域中的有前景工具。早期的研究主要集中在信息检索策略和专门设计的搜索引擎上，旨在提高对罕见疾病文献和整理知识库的访问效率[7][8]。同时，表型本体论和匹配平台引入了更结构化的临床特征表示方法，实现了跨病例和机构的基因型-表型推理[9][10][11]。近年来，电子健康记录（EHR）、机器学习和深度学习的广泛应用使CDSS扩展到了预测分析和自动化模式识别领域[12][13]。
尽管取得了这些进展，罕见疾病CDSS在常规临床实践中的应用仍不均衡。主要挑战包括数据可用性有限、互操作性限制、隐私问题，以及需要临床医生能够理解和信任的模型[14][15][16][17][18]。随着研究从基于本体论的系统发展到基于人工智能的模型和互操作性基础设施，相关文献也变得更加分散。因此，越来越难以理解不同技术方法之间的联系以及主要的转化差距所在。
本综述通过基于数据基础设施、基于表型的推理和基于人工智能的方法对罕见疾病CDSS研究进行分类，将这些研究视为由临床和基础设施限制所塑造的更广泛诊断生态系统的一部分。目的是明确这些研究之间的联系、存在的不足之处，以及它们对开发具有临床意义的决策支持系统的启示。表1总结了本综述对以往罕见疾病CDSS研究的扩展。
方法部分
方法
本研究采用PRISMA-ScR框架进行了文献回顾，以梳理用于罕见疾病诊断的CDSS，并识别其在验证、互操作性和临床应用方面的不足。
结果：罕见疾病诊断CDSS的分类
相关文献可归纳为几种主要的CDSS范式，包括信息检索系统、基于表型的推理平台、数据驱动的预测模型以及以基础设施为导向的方法。此外，还有一组研究专注于评估和实际应用准备情况。图2展示了这一分类体系，表2总结了核心技术、代表性系统及其主要局限性。讨论
本综述表明，罕见疾病CDSS研究涵盖了多个相互关联的方法领域，包括信息检索工具、基于表型的推理系统、基于人工智能的预测模型以及互操作性基础设施。这些发展表明研究正从孤立的工具向多层次的诊断系统转变。
一个明显的发现是，罕见疾病的诊断仍然严重依赖结构化知识的获取。
结论
本综述总结了罕见疾病诊断CDSS的发展趋势，指出研究正从单纯的知识获取工具向更加集成和数据驱动的系统转变。回顾的文献涵盖了信息检索平台、基于表型的推理系统、基于人工智能的预测模型以及支持协作分析的互操作性基础设施。
尽管取得了这些进展，但在实际临床应用中的转化仍然有限。许多系统仍在评估阶段。
CRediT作者贡献声明
Erdener ?z?etin：撰写原始稿件、方法论设计、概念构建。
Sümeyye Ebrar Ba?：撰写原始稿件、数据可视化、研究设计。
Furkan ?zpay：撰写原始稿件、数据可视化、研究设计。
利益冲突声明
作者声明不存在可能影响本文研究的已知财务利益或个人关系。
