left
醫學資訊學在泌尿科的應用

亞東醫院泌尿科 蔡宗佑醫師

醫學資訊學
　　對於臨床醫師來說，『醫學資訊學』算是一個較為陌生的領域，若再將題目縮小到醫學資訊學在泌尿科的應用，相關的研究和討論更是屈指可數。從正面的角度來看，這是一塊亟待研究者開發的處女地，值得有志者一窺究竟。

　　『臨床』資訊學泛指運用資訊科技，對醫師提供醫療決策支援，以提昇病患照護品質、促進病人安全，或建構電子病歷、提供病人個人化的醫療資訊等，以滿足病人的全方位照護。另一方面，『基礎』醫學資訊學研究內容包括生物醫學資料庫及資料分析與探勘、 疾病之遺傳定點資料庫等，發展生物醫學影像及訊號處理技術，以轉譯醫學為研究方向。

　　由於相關研究領域十分廣泛，本文擬以決策支援及決策分析為例，介紹其在泌尿科之應用。

什麼是臨床決策支援?
　　臨床決策支援系統 (Clinical Decision Support System)，主要目的是醫師在進行診斷、治療方式等醫學相關決策時，由「資訊系統」分析病人個人之臨床資訊，給予相關的決策建議，再由醫師或相關人員進行最後的決斷。而這些決策建議的來源，可能是已被認可多年的診斷方式與臨床治療指引；或是經由醫師、醫療團隊多年經驗的累積以及臨床實驗所分析、統計而得之結果；也可能是歷年所累積的大量病患資料庫中，經由資料探勘、分析等技術，所發現的資訊與知識。

　　舉一最常見的實例，例如各位醫師在電腦開立A藥物後，資訊系統跳出警示畫面，提醒醫師A藥物與B藥物可能發生交互作用，請醫師確認是否開立A藥。

　　以往，此類支援系統多是整合於醫院的醫療資訊系統中，給予醫護人員針對目前來院看診的病患作相關的決策建議。未來，隨著遠距照護的發展，這樣的決策支援相關服務，也可由院內延伸至個人的日常生活中。

　　而就資料面而言，決策支援模組在給予建議時，所依據的資料除了以往個人在醫療院所的抽血檢驗結果、醫學影像報告等等資料之外，未來尚有遠距醫療相關設備或是經由個人電腦、智慧型手機上傳的個人每日健康資訊，如血壓、血糖等資訊，以及個人生活型態相關資訊，如飲食、睡眠、水分攝取等等各種數據。

　　決策支援模組所針對的決策支援主題，也將從診斷、治療方式選擇等等的相關決策，進一步推廣至更生活化的健康管理提示與建議，作為疾病的預防與及早警示。

臨床決策支援系統於泌尿科的應用
　　為因應癌症治療評鑑，各院不只需要訂定治療指引（guideline)、治療計畫（protocol)、並且需要因應國健局要求，計算各種指標之遵循率與達成率。以表淺型膀胱癌患者的治療為例，除了TUR-BT手術外，尚需進行輔助性膀胱內化學治療或免疫治療，定期之膀胱鏡複檢等等。

　　這類治療計畫因為細節繁雜，並不易記憶，而某些臨床試驗、化學治療之protocol甚至超過50頁以上。醫師在門診治療中常發生疏漏或耗時過久的難題。傳統上須聘研究助理或個案管理師來推動，並不利於多位醫師間與多機構間的協同執行。

　　為了提升醫師與病人對癌症治療計畫之順應性（compliance/adherence)，理想上我們可以設計決策支援系統，將Protocol與醫令系統結合，『在醫師端』此系統可以依據醫師設定之治療計畫，主動提示本次回診應給予何種治療項目、應安排何種檢查項目，並具備時間軸管理能力，提示應預約病人何時回診？『在病人端』此系統可以依據治療計畫，依據治療時程，主動以Email或簡訊方式提醒病人應於何時回診、主動寄發該次治療之問卷以評估該次治療之不良反應等等，並即時回饋給個案管理師，以求即時回饋，及早介入。

　　這種資訊技術的設計並非天方夜譚，筆者發現國外若干的商用醫療資訊系統中，已具備相關的處理能力。這類系統成功的關鍵，必須讓醫師能於線上更新治療計畫的內容，系統能主動根據新治療計畫，自動更新決策支援系統之功能。醫師不需要每次更動治療計畫，就要找程式設計師修改程式碼。

什麼是醫學決策分析?
　　臨床醫生經常為病人的診斷、治療作出決定。這些臨床決定亦即臨床決策（clinical decision）。所謂決策（decision making）就是為達到同一目標在眾多可以採取的方案中選擇最佳方案。在臨床處理病人的病情時，由於疾病臨床表現複雜多變，診治方法多種，有些手術具有風險，可能產生長期併發症以致影響生活品質等等，促使醫師在考慮上述情況後作出全面和合理的選擇。例如局部性攝護腺癌的患者，究竟該接受手術治療？放射治療？積極監測？何者為佳？

　　傳統醫師個人的醫學決策過程，就好比法官的自由心證一般，常被醫師的個人經驗與病人的個人偏好（preference)所左右，難以客觀衡量。因此醫學決策分析（medical decision analysis)藉由引入數量化的機率與效用度（utility)，建構病人預後的預測模型，藉以作為醫學決策的依據。

　　最簡單的決策分析模型是決策樹（decision tree)。進階的分析模型例如馬可夫疾病模型（Markov model)等。決策分析模型可以用以預測病人的預後（outcome)、存活率（survival)、調整品質後存活人年（QALY)、或加入成本效益分析等。決策分析傳統上被劃入流行病學的領域，但由於決策分析需要大量的機率演算與模型預測，故也納入醫學資訊的範疇。

決策分析於泌尿科的應用
　　泌尿科有許多治療議題都爭議不休，例如(1) 0.8cm的輸尿管結石，該以URSL或ESWL治療為佳？1 (2) 局部性攝護腺癌的患者，究竟該接受手術治療、放射治療、積極監測，何者為佳？2 (3) 何種模型來預測攝護腺癌之儲精囊侵犯率（SV invasion)為佳？類似的議題都有許多文章探討，臨床醫師除了以臨床試驗的方式來印證外，還可以量化的決策分析來探討。

　　50歲被初次診斷之局部性攝護腺癌的患者，究竟該接受手術治療（RP)、放射治療（RT)、等待觀察（WW)，何者預後為佳？以此一命題為例，筆者以馬可夫模型建立疾病模式（Fig.1)，引入文獻回顧中各種併發症及死亡機率，再利用TreeAge軟體3進行10,000名病患之蒙地卡羅模擬試驗（monte carlo simulation），存活分析結果如圖二（Fig.2)所示，選擇手術治療（RP)，可以得到最高之40-year cancer-specific survival. 也可以看出 RP和RT兩組在 20-year survival 後，才漸漸看出兩組差距。此種預測模型的優點在於不需漫長的臨床資料蒐集，就可以快速預測某一種治療方法的進步對於將來病人存活的有多少幫助。

Figure 1. Taking QALY as outcome measurement, the decision analysis favors RP because of the longest QALY (78.80) between 3 arms. QALY = quality-adjusted life year. RP = radical prostatectomy

Figure2. Cancer-specific survival analysis of the simulated 10,000 cohort with localized prostate cancer treated with RP, RT, and WW respectively.
RP = radical prostatectomy, RT= radiotherapy, WW= watchful waiting.

　　再舉一例：有一篇標題為” Comparison of Three Different Tools for Prediction of Seminal Vesicle Invasion at Radical Prostatectomy”2 的文章，發表於十月份最新一期European Urology中，該作者也是應用了決策分析方法中的 decision curve analysis的方法來分析。以上均是決策分析在泌尿科的應用實例。

結語
　　醫學資訊學是跨領域研究的新興學門。善用資訊技術，在醫院醫令系統中導入臨床決策支援系統（Clinical Decision Support System)，可以提高醫師與病人對於治療指引的遵循率，以期確保醫療品質與提高病人安全。另一方面，對於泌尿科的醫療決策爭議問題，我們可以利用醫學決策分析（Medical Decision Analysis)的方法導入量化模型來加以探討。以上均為醫學資訊學之應用實例。

參考文獻

1.

Huang, Po-Chien (2007). "Cost-Utility Analysis of Ureteral Stone Management." http://ntur.lib.ntu.edu.tw/handle/246246/59189

2.

 G. Lughezzani, K.C. Zorn, L. Budäus, M. Sun, D.I. Lee, A.L. Shalhav, G.P. Zagaya,
S.A. Shikanov, O.N. Gofrit, and A.E. Thong, 'Comparison of Three Different Tools
for Prediction of Seminal Vesicle Invasion at Radical Prostatectomy', European
Urology (2012).

3.

 "TreeAge Software." from http://www.treeage.com/.
　
回上頁