临床试验

研究人员从马萨诸塞州总医院的2004/2005年共61例“病例记录”选择了50例，每个病例都是标有“正确”的诊断。病例的历史，体检结果和病理试验结果，作为自然的文本数据被整块粘贴录入，并将结果与单独输入关键症状返回的结果进行比较：

使用全部文本输入获得的正确的诊断的为50例中的37例（74％）；手动输入关键症状获得的正确的诊断的为50例中的48例（96％）。 仅有2个漏诊的疾病（渐进多焦点性脑病，肾纤维化皮肤病）在研究进行时未包括在数据库中。

在印度孟买某个医院的儿科重症监护病房，住院医师根据儿科重症监护病房的患者的入院单，在患者入院30分钟内进行的询问，并进行了关键的临床检查和病理检验，检查结果录入伊莎贝尔生成诊断清单，之后对最终诊断在伊莎贝尔生成的诊断清单中出现的比率进行研究：

经过对28天到12周岁之间的111个男孩男孩和89个女孩，共200个病例的分析，对于先天性心脏疾病，呼吸道感染，脑膜炎，破伤风和败血症这些最常遇到的诊断。伊莎贝尔DCS的准确率达到80.5％。

研究结果发表在2005年11月的《印度儿科学报》。

Bavdekar SB, Pawar M. Evaluation of an Internet delivered pediatric diagnosis support system (ISABEL) in a tertiary care center in India. Indian Pediatr. 2005 Nov;42(11):1086-91.

在本次测试中，研究人员将医学院的学生随机分配到伊莎贝尔组和控制组，伊莎贝尔租的学生除了标准资源外还使用伊莎贝尔为患者进行诊断，控制组学生仅使用标准资源（教科书及互联网医学文献）进行诊断。研究人员使用对于所有学生的标准化的定岗测试进行伊莎贝尔系统的益处的定量评估，用户反馈和意见则通过调查问卷和访谈的方式收集。

43名学生被随机分组，伊莎贝尔组22人，控制组21人。伊莎贝尔组的15名学生完成了试验， 其中有12人认为伊莎贝尔DCS比标准资源更有用，有10人认为伊莎贝尔确实能够提供最初没有考虑到的额外诊断。所有参加测试的学生希望在正式评估过这些工具后，使用基于互联网的伊莎贝尔应纳入医学教育。

这些研究结果发表在2004年10月于纽约市举办的第15届儿科重症护理学术讨论会。

Maffei FA, Nazarian EB, Ramnarayan P, Thomas NJ, Rubenstein JS. Use of a Web-based Tool to Enhance Medical Student Learning in the Pediatric Intensive Care Unit and Inpatient Wards. Ped Crit Care Med. 6(1):109.

时间: 2000年8月到12月

本次实验将使用99个假设的病例和100个真实病人的临床数据，来测试伊莎贝尔儿科辅助诊断系统的性能，测试前所有病例的正确诊断是已知的（假设的病例来自于12个不同的儿科医生，真实病例来自4家英国国家医疗服务体系医院的急诊部门）。对于假设病例，伊莎贝尔输出了91％的正确诊断，而在真实的病例中，伊莎贝尔给出诊断的准确率是95％。

同时，一个两名专家组成的专家组也对每一个真实病例给出2到3个诊断，这些诊断都是需要医生在确诊时为了保证安全而仔细考虑其可能行的诊断。在本组测试中，伊莎贝尔对于医生诊断的命中率为73%。

这一研究成果发表在《儿童疾病档案》中。

Ramnarayan P, Tomlinson A, Rao A, Coren M, Winrow A, Britto J. ISABEL: a web-based differential diagnostic aid for pediatrics: results from an initial performance evaluation. Arch Dis Child. 2003 May;88(5):408-13

数据来自594名患者（其中53.4％匿名），平均年龄为49.4岁（95％置信区间47.7-51.1），大多数患者有明显的过往病史，594人中的266个（44.6％）看过急诊之后住院。结果显示，对于住院病人系统诊断的准确率为95%，对于专家给出的诊断系统的命中率为90%。78％的病例中，最终诊断在系统显示前十个诊断建议中。

Padmanabhan Ramnarayan, Natalie Cronje, Ruth Brown, Rupert Negus, Bill Coode, Philip Moss, Taj Hassan, Wayne Hamer, Joseph Britto. Validation of a diagnostic reminder system in emergency medicine: a multi-centre study. Emergency Medicine Journal 2007;24:619-624; doi:10.1136/emj.2006.044107

由于伊莎贝尔依赖于用户输入的自然文本，并且取决于用户有效地处理系统给出的建议，因此了解伊莎贝尔的建议对普通医生的影响就非常地重要了。虽然伊莎贝尔可能是极其准确的，用户也有可能因为输入错误，或对系统的建议缺乏信心而无法从它的使用中获益，还有一些外部因素，比如不能接入互联网，都会影响研究。因此，研究是在一个特定的实验性的环境中进行的。

伊莎贝尔的诊断归功于一个可以转换大多数医疗缩写、俚语、不准确的术语到适当的医疗术语的定制词库，使得用户可以使用自由的自然语言文字表达临床特征。在后台，伊莎贝尔的强大的自然语言处理软件同样从医学文本中准确抽取关键词，方便了用户进行快速搜索。对比以前诊断系统的研究表明，使用受控词汇表，用户需要花20-40分钟输入临床数据。

Berner ES. Diagnostic decision support systems: how to determine the gold standard? J Am Med Inform Assoc. 2003 Nov-Dec;10(6):608-10

伊莎贝尔辅助诊断系统对一般儿科急性病诊断的应用显示了其在重症监护环境下的潜在效用。我们需要测试在这种环境里，伊莎贝尔为诊断决策起到的作用。

虽然伊莎贝尔主要被设计用于英国的二级医疗机构环境，实际上一级医疗机构也对其表现出了相当大的兴趣。克莱尔·斯科特博士对伊莎贝尔在一级医疗机构的潜在效用进行了研究，连续检查了1000例医疗事故的索赔案例。