目前肿瘤学家大多对ONCOCIN 并不了解，他们通常使用NCCN（国家范围癌症疾病网络）或ASCO（美国肿瘤协会）提供的治疗方案，导入到在用的临床信息系统中以获得决策支持。
12.6.3CASNET
从1971年开始到1978年研发完成，CASNET 是与MYCIN系统几乎同时出现并发展起来的CDSS。作为第一个基于因果推断理论的医疗专家系统，它的目的是帮助眼科专家进行对青光眼的诊断和治疗。1976年，根据美国眼科与耳鼻喉科学学会的评估，该系统被认为已经到达行业专家的水平。
CASNET 的良好表现得益于病种致病原因较为简单清晰。从患者视力，病症，到其病理生理状态，再到得出诊断和决定治疗计划，决策树按照这样一种层级结构展现出来。
一旦描述出患者的视力和病症情况，就可以因果关联到相应的病理生理状态，然后根据病理生理状态划归至相应的疾病分类并安排治疗计划。
12.6.4利兹腹痛专家系统AAPHelp
临床医疗中，急性腹部疼痛非常常见，但是在发病初期难于诊断。20世纪60年代后期，英国利兹大学Yorkshire 健康信息学中心开发了AAPHelp，用于辅助急性腹部疼痛（AAP）的临床评估和决策工作。
AAPHelp 系统以手术和病理诊断为标准，依据贝叶斯概率理论，通过对患者症状、体征、检验结果等数据与多个数据库海量病例中的对应数据进行比对，得出若干诊断建议和可能性百分比。1972年的系统评估显示，在7类304个急性腹痛病例中，与医生65%-80%的确诊率相比，AAPHelp 系统的准确率高达91.8%。即使与专家相比，对于全部7个大类中的6类病症，AAPHelp 都能更准确进行归类划分。不过在除利兹以外的其他地区使用这套系统却从未达到此种准确率。原因包括人群差异，地域文化不同导致数据在录入前的转化过程中产生了差异。
尽管AAPHelp 系统受到很大关注，但由于其对临床医生的诊断工作的作用更像是一种替代，而非单纯的辅助，所以临床工作人员对于单调的数据录入工作积极性不高。到目前为止，这套系统仍然在用，但用途却与最初期望并不一致。
12.6.5HELP
HELP（health evaluation through logical processing）是一套有完整的知识库支持的智能化医院信息系统，由Utah 大学和Latter Day Saints（LDS）医院从20世纪70年代进行开发。它涵盖了医学信息学很多方面的具体应用和方法学的内容。除支持医院日常工作，如医嘱录入、费用记录、药房、放射、护理文档、ICU 监测外，HELP 还可以提供医疗提示、病症诊断、患者管理和提供临床方案等临床决策支持功能。
HELP 系统在电子病历中加入了监控程序和一套储存和应用决策逻辑的机制，这些决策逻辑以名为HELP sector 的医学逻辑模块为载体，使用决策规则语言arden syntax编程进行增改。患者数据的录入可以触发医学逻辑模块对相应信息进行处理，系统可以自动地生成日常报表和治疗日程表，也可以基于事件驱动的方式定制提示、警告等功能。
作为一个庞大复杂的系统，HELP 展示了与当时较为常见的独立专家系统相比，通过监控整合数据的方式实现决策支持的优势。
尽管HELP 系统的初期硬件投入以及人员培训费用巨大，投资回报周期长，但是由于其可以直接从医院信息系统中获取数据而解决了大量重复的数据录入问题，以及帮助降低用药事故，能够很好控制术后感染等原因，HELP 成为最长久和最成功的临床信息系统之一。
12.6.6Internist 1和QMR系统
1974年，Pittsburgh 大学的Myers，Pople和Miller 开发了Internist 1系统，随后演化为QMR（快速医学参考）。Internist 1的应用范围覆盖普通内科学，较前面提到的MYCIN和AAPHelp 的应用对象要复杂得多。系统包含了大约600种内科疾病诊断和相关的4500多种临床表现，每类疾病大约包含75-100种的临床表现。这种复杂性带来的问题既无法借用MYCIN的简单逻辑，也无法参考针对有限病症的AAPHelp 进行解决。于是Internist 1引入了一个特殊的评分机制表现疾病与临床发现之间的关联。
Internist 1设定三个与临床发现相关的参数（1）频度权值（frequency weigh），某临床表现在某疾病中出现频率高低用1～ 5表示，1＝ 很少，5＝ 总是。
（2）激发强度（evoking strength），某临床表现对某类疾病的决定程度用0～ 5表示，0代表无法根据某临床表现进行诊断，5代表根据某临床表现可以确诊。
（3）重要参数（important number），临床表现中的某些异常问题对诊断的影响重要程度，由低到高用1～ 5标识。
其中前两个参数类似于贝叶斯公式的条件概率和后验概率，只是数值的选定并非源于统计数字而是由专家依据经验分析得出。第三个参数解决了在统计方法中权衡某些临床干扰因素的难题。依据这三个参数，Internist 1系统参照患者临床表现对病症进行诊断和评分。
Internist 1依赖大型机和拨号网络运行，支持的数据类型有限，数据存取时间长，开销巨大，界面不够友好，为此，Miller，Masarie和Myers 又开发了运行在微型计算机上的QMR 系统（快速医学参考）。QMR 可以提供对INTERNIST 1系统数据库快速和方便的存取，允许录入患者数据与知识库内容比对并生成不同诊断，并使用概率法对多个诊断结果进行排序。
12.6.7GermWatcher
GermWatcher 是一个用于帮助感染控制专家侦测、跟踪以及研究医院内部患者感染情况的专家系统。通过监测院内实验室系统产生的微生物菌群数据，识别院内感染微生物类型并上报到CDC（疾病控制中心）。系统本身是基于规则推理、感染控制指南以及CDC 的NNISS（国家医院感染监督系统）构建的，其中NHISS 提供了一系列医院感染方面的国家标准，可以监测全美国范围的感染率并保持其处在最低水平。
该系统概念模型的开发是由一些有着不同专业背景的专家团队完成的，其中有计算机专家、医生、药剂师、医疗质量和患者安全专家。此系统提供了在医疗环境中捕获自动报告和捕获突发事件的功能。同时它还拥有基于网页的用户界面、关系数据库以及终端用户分析环境。通过警报发送程序，可以向相关的人员发送相应内容。程序包含警告强度以及警告目标的内容，并可以根据用户需求调整传送方式。例如在警报内容优先级较高的情况下，用户确认收到消息之前，提示会不断加强。
通过以下的三种基本行为，感染控制工作者构建了院内患者感染的第一道防线：
（1）对所有的感染进行连续监视，侦测已有感染意外升高的情况和产生新感染的情况。
（2）通过监控系统对异常感染情况进行分析研究，确定原因和感染源。
（3）基于监控数据建立新的预防程序，避免或减少患者和工作人员遭受感染的风险。
自从1993年2月，圣路易斯的巴恩斯犹太教学医院已经实施了这套GermWatcher系统，随后在1995年7月邻近的犹太医院也开始使用。GermWatcher 帮助医院减少了由于院内感染导致的患者住院日的延长和医疗花费的增加的情况。
12.6.8DXplain
DXplain 是1984年由马萨诸塞州综合医院计算机科学实验室开发而成的专家系统。
从1987年开始通过AMANET 网络，之后转由英特网，实现了全国范围的使用。程序界面友好，系统用户面向医疗卫生方面的工作者和学生群体。
除了通过录入患者症状、检验结果以及临床表现等信息得出辅助诊断以及推断原因，DXplain 还能提示哪些信息可能有助于疾病治疗。DXplain 工作起来像一个可以检索的、构建在一系列大型数据仓库之上的数据库系统，这些数据仓库包含有数字医学教科书以及参考系统。DXplain 最常规的工作方式是依照用户向系统录入的患者病例数据，输出一个有关疾病的排序列表。到目前为止，系统数据库中包含了2241种疾病以及超过4800种的症状、体征及临床表现，平均每种疾病53项。
然而到目前为止，DXplain 仅仅用于教学和实验室环境。与其他独立的专家系统类似，DXplain 的局限性包括既缺乏完整的患者相关的临床症状、体征、检验等信息，也不具备解读某些重要临床表现和解决疾病间关系的能力。
12.6.9ISABEL
ISABEL 是由Maude 夫妇和Britto 博士于1999年建立的。Britto 博士是伦敦圣玛丽医院小儿加护病房的主治医生，在Maude 夫妇的女儿Isabel 被当地医生误诊后，Britto负责接手治疗Isabel，同时开发的专家系统也因此得名。用于小儿和成人的专家系统分别在2002和2005年得到了实施应用。
ISABEL 结合了解剖学的MBC（内涵计算）和Isabel 算法来处理庞大复杂的医学知识，通过搜索非格式化的医学文本内容（基于统计的自然语言处理）实现决策支持。用户可以使用非结构化的自然文本实现临床表现的信息录入，然后系统会通过概念和词汇匹配的方法进行搜索，最终生成诊断列表。个人、团体以及公共机构都可以通过网络途径使用ISABEL 系统。
ISABEL 作为一个临床决策支持和知识转化系统由以下两部分组成：
（1）诊断提示系统：根据给定的一组临床特征，为医生提供诊断结果参考列表，通过模式匹配功能可以实现患者数据集和医学文献数据集的匹配，帮助医生了解与疾病相关的所有经历过程。
（2）知识转化系统：具有超过10000种诊断类别的分类法，每个诊断类别涉及一个核心知识。它可以被用来对稳定的孤立知识进行搜索并概念化，同时还可以用作搜索相似但未成形的知识内容。系统推荐用户使用SNOMED CT 来获取知识内容。
12.6.10EON/Protégé
与前文提到的QMR，MYCIN，HELP 系统不同，斯坦福大学随后开发的EON 无法独立实施应用。它是由一系列功能逻辑独立的组件构成，并要求被嵌入到日常用于数据录入和查看的信息系统。作为第二代的专家系统，EON 解决了复杂知识库系统开发和维护的问题，通过组件结构，使问题解决逻辑部分和知识库部分划分开来处理，增强灵活性并降低复杂度。
EON 主要组件包括：
（1）决策处理组件。针对具体任务实现：①根据临床指南或临床路径等指导性规则，决定为患者提供何种治疗以及何时进行；②为患者选取恰当的临床指南或临床路径规则。
（2）知识库组件。对诸如临床路径和临床指南的规则进行编码整理，以备决策处理组件运用。内容涉及与医疗决策相关的大量知识内容。
（3）数据库管道。解决患者数据和决策处理组件数据沟通的问题。
通过组件架构，EON 可以灵活创建临床决策功能，对知识库内容进行共享，实现对外部临床信息系统的即插即用能力。然而，创建复杂且庞大的知识库非常困难，Protégé的出现缓解了这个难题。
Protégé 是一个开源免费、基于知识框架的本体编辑器，可以在http ：//protege.stanford.edu/下载。它由参与EON和ONCOCIN 的人员开发成型，以本体论为核心，构建系统的概念模型，改善专家系统在知识获取和处理的问题（ONCOCIN 甚至后来的OPAL都存在这个问题），在很大程度上也促进了EON 的发展。作为一个免费开源平台，Protégé 提供了用于构建知识库系统的一系列的工具。EON 专家系统架构和Protégé 知识管理工具的结合，展示了使用专业应用工具维护知识库的前景。
（1）什么是CDSS ？
（2）为什么需要计算机参与进行决策？
（3）知识和经验的区别有哪些？
（4）如何使计算机模仿人类进行相应学习？
（5）决策支持系统的核心是什么？
（6）决策支持系统主要分为哪三个部分？
（7）决策支持系统面临的主要难点是什么？
（巩洋 华磊 王幼博）