学习型医疗系统，有可能更有效地实施质量措施，为单个临床医生和实践带来动态质量监控和反馈。学习系统和电子可用数据还可以促进临床决策支持，将患者的特定细节，例如，年龄、疾病、偏好，与临床选项联系起来，以在医疗点实时呈现最佳可能方法。

这种反馈的递归提供不仅将增强对商定指南(尽管可能不完善)的遵守，还将通过使数据收集和分析更积极地成为常规临床医疗的一部分，同时帮助我们研究和制定未来的质量衡量标准。

甚至临床实践指南或医疗路径也可以在这样的系统中“学习”，随着结果数据强调决策时的最佳选择而反复更新临床路径中的节点。

临床医生通常都会努力做好工作，帮助面临毁灭性诊断的患者。尽管如此，我们有时仍无法提供最佳医疗。我们如何改善现状？我们必须考虑如何继续前进。这是一个痛苦成长的时期，因为医疗实践正在从一种更个人化、基于经验的现象转变为一种更系统化、基于指南、以价值为导向、由团队提供规范的医疗。

随着我们越来越关注医疗质量，将会有更多的关注基于指南的医疗，这可能对患者有好处。“临床路径”似乎是一种有希望的方式，将符合最新高质量证据的医疗作为“默认”选项。但是，我们必须小心不要将路径视为医疗实践的全部和最终结果；

药物是复杂的，不是每个病人都应该得到同样的治疗。临床医生必须保留在适当情况下偏离这些路径的自主权。我们必须要求路径个性化，并结合患者的独特信息；我们必须根据个人情况调整建议，并确保通过汇总信息不断评估和更新途径。这就是癌症医疗标准化的难点，但我们应该能做得更好。

【相关素材】