[AIDDES 傳承與創新：醫學隨想] 臨床決策支援系統 CDSS在學術醫院的真實效益-從隨機試驗到臨床整合的省思-張清貿科主任
https://tcmcmc.blogspot.com/2025/07/aiddes-cdss.html
https://jamanetwork.com/journals/jama/fullarticle/2830127
Dijk SW, Wollny C, Barkhausen J, Jansen O, Mildenberger P, Halfmann MC, Stroeder J, Rizopoulos D, Hunink MGM, Kroencke T. Evaluation of a Clinical Decision Support System for Imaging Requests: A Cluster Randomized Clinical Trial. JAMA. 2025 Apr 8;333(14):1212-1221. doi: 10.1001/jama.2024.27853. PMID: 39928308; PMCID: PMC11811869.
為什麼這篇研究重要？研究背景與動機
在醫療體系日益複雜與醫療資源有限的背景下，「臨床決策支援系統」（Clinical Decision Support Systems, CDSS）被視為提升醫療品質、減少過度檢查與不當用藥的重要工具。儘管過去多數研究集中於門診或初級照護場域，CDSS 在高壓、高複雜度的學術醫院環境中是否能實際改善臨床決策行為，仍缺乏大型隨機試驗的驗證。
本研究的獨特之處，在於聚焦「影像學檢查是否適當」這一具體、可操作的臨床行為，並將 CDSS 直接嵌入電子病歷與醫囑系統中，觀察其是否能即時改善醫師的影像檢查決策，填補學術醫院中相關實證的缺口。
研究核心目標旨在評估：
嵌入式 CDSS 能否顯著降低學術醫院中不適當的影像學檢查請求比例。
研究方法簡述
本研究為一項 多中心、開放標籤、群集隨機臨床試驗，於荷蘭 11 所學術醫院進行。以「部門」為隨機化單位，分配至介入組（CDSS 開啟）與對照組（CDSS 關閉），並透過病歷系統自動記錄超過 20,000 筆影像請求紀錄。
CDSS 根據國家級影像適應性指引，針對每筆請求提供即時建議（建議進行／建議不要進行／視情況而定），但並不強制限制醫師的決策。主要評估指標為「不適當影像請求比例」，依據獨立審查者回顧標準進行分類。
研究結果
- 總計納入 17,261 筆影像請求，其中介入組 7206 筆、對照組 10,055 筆；
- 不適當影像請求比例在介入組與對照組間分別為：6.4%（461/7206） vs. 5.2%（518/10,055），差異無統計顯著性（P = 0.69）；
- 次組分析顯示 CT 的不當請求比 X-ray 更高，但 CDSS 並未在任何影像類型中顯著改善不當比例；
- CDSS 的建議中，有高達 93.6% 被分類為「appropriate」，僅少數被建議避免。
最有利的結論與臨床啟示
CDSS 在學術醫院實務操作中，未能顯著降低不適當影像檢查比例。
本研究顯示，儘管 CDSS 系統設計符合專業指引並已嵌入醫囑流程，但若缺乏醫師的主動參與與信任，即使技術成熟也難以產生實質影響。該研究強調：CDSS 的設計與成效不僅是技術問題，更牽涉到臨床文化、使用行為與資訊疲勞（alert fatigue）等因素，未來若無法提升使用率與信任度，CDSS 的潛力將難以充分發揮。
＝＝＝＝＝＝＝
https://jamanetwork.com/journals/jama/fullarticle/2835395
Wu PH, Ho YY, Chang CM. Clinical Decision Support System for Imaging Requests. JAMA. 2025 Jun 16. doi: 10.1001/jama.2025.5282. Epub ahead of print. PMID: 40522646.
我們自體免疫暨乾眼症客觀量測實驗室(AIDDES Lab)最近的成果，我與國立陽明交通大學傳統醫藥研究所碩士班吳品萱同學及何懿祐同學(同時就讀於馬偕醫學系)共同撰寫的 Letter to the Editor：《Clinical Decision Support System for Imaging Requests》已正式發表於 JAMA！
本 LETTER 針對 Dijk 等人發表於 JAMA 的一項大型群集隨機試驗提出評論。該研究探討在學術醫院中導入 Clinical Decision Support System（CDSS），是否能降低不適當的影像學檢查申請。儘管研究顯示介入組與對照組的不當影像請求比例相近（6.4% [461/7206] vs. 5.2% [518/10,055]，P = .69），未達統計顯著，我們指出原文並未深入分析 CDSS 低效背後的潛在原因。
我們在 LETTER 中從四個層面提出批判與建議，包括：
- 系統使用率未揭露：文中未提供醫師實際點擊、查看或採納建議的使用資料。
- 醫師對系統的信任度：缺乏對醫師接受度與信任程度的調查與分析。
- 影像類型未區分分析：未區分 CT、MRI、X-ray 等不同影像項目在 CDSS 介入下的可能差異。
- 警示疲勞與使用者介面：未討論過度提醒可能導致醫師忽略建議的「警示疲勞（alert fatigue）」現象。
我們進一步指出，CDSS 的低效可能與系統設計無法充分涵蓋臨床情境、醫師使用意願低落、以及操作介面不友善等因素有關。未來研究應納入 CDSS 實際使用率資料、結合問卷探索醫師使用經驗與信任度，並進行影像類型的次組分析。為提升系統效能，我們也建議導入可解釋人工智慧（Explainable AI, XAI）與層級式警示設計，以減輕資訊過載、提升決策透明度，增進臨床接受度。
＝＝＝＝＝＝＝
https://jamanetwork.com/journals/jama/fullarticle/2835394
Dijk SW, Kroencke T. Clinical Decision Support System for Imaging Requests-Reply. JAMA. 2025 Jun 16. doi: 10.1001/jama.2025.5285. Epub ahead of print. PMID: 40522643.
作者在 JAMA 的回覆中，對我們所撰寫的 LETTER 表示感謝，並針對我們提出的關鍵批評點進行了具體回應，說明如下：
關於 CDSS 的實際使用率與互動情形：
作者說明本研究的 CDSS 是整合於電腦化影像申請系統中，所有介入組部門在決策支援期間的請求皆有接收到 CDSS 的建議。在 Figure 2 所呈現的 9532 筆 session 中，共有 316 筆影像請求在 CDSS 回饋後被修改（其中 43 筆分數提升、52 筆分數下降、211 筆為同一類別內改動），反映一定程度的互動，但比例仍相對偏低
關於影像學檢查的次組分析：
雖然原始文章主體著重整體 CDSS 成效，但作者補充指出，確實進行了不同影像模態（MRI、CT、X-ray、ultrasound）的 subgroup analysis。結果顯示各模態間介入效果的差異皆未達統計顯著性（例如 MRI：−1.90%, 99% CI −7.92 to 4.13；CT：1.91%, CI −3.53 to 4.38），呼應我們對於分項探討的建議
針對 CDSS 是否為 AI 系統的說明：
作者澄清本研究使用的 iGuide 並非 AI 系統，而是依據歐洲放射學會 (ESR) 所制定的明確指引與準則建構，並非深度學習模型，也非「黑盒子」式的 AI 工具，因此建議使用 XAI（可解釋人工智慧）的意見並不完全適用於本研究的系統背景
關於 CDSS 實用性的潛在障礙：
作者也認同我們提出的觀點，即醫師使用率不高可能源自介面設計、額外工作負擔、或與系統建議產生分歧等因素。他們支持未來研究應進一步探討如何改善 CDSS 的設計與導入流程，以促進臨床決策的採納與信任
整體而言，作者回應肯定我們的觀察，並提供補充數據與澄清，特別針對使用頻率與模態分析進行說明，也誠懇回應我們對於信任度與設計優化的關切，展現良好的學術對話精神。
結語
總結來說，這一系列針對 JAMA 發表之臨床決策支援系統（CDSS）研究的評論與回應，體現了 AIDDES Lab 致力於推動臨床 AI 應用與實證評估的學術參與精神。我們的 LETTER 強調：單靠技術導入並不足以保證臨床成效，醫師參與度、信任建立、介面設計與警示機制等因素，才是影響 CDSS 成敗的關鍵。很高興我們的建議獲得作者回應與補充說明，特別是針對次組分析與實際使用數據的揭露，促成一次有深度的學術對話。未來，我們期望持續以批判性思維參與國際論述，推動醫學決策輔助系統從「工具導入」走向「臨床整合」，實現科技與醫療決策真正的融合與優化。
----------------------------
