医学决策支持系统课件.pptx

第八章医学决议支持系统医学决策支持系统课件第1页第一节概述一、基本概念决议支持系统:以管理学、运筹学、控制论和行为科学为基础，以计算机技术、仿真技术和信息技术为伎俩，针对半结构化决议问题，支持决议活动含有智能作用人机系统。医学决策支持系统课件第2页医学决议支持系统:指将医学知识应用到某一患者特定问题，提出含有最正确费用/效果比处理方案计算机系统医学决策支持系统课件第3页医院信息系统决议支持医学决议支持：医疗工作中计算机辅助决议支持管理决议支持：计算机辅助管理决议支持决议支持基础统计学数据仓库人工智能医学决策支持系统课件第4页医学决议支持：临床医生经常为病人诊疗、治疗作出决定。这些临床决定亦即临床决议（clinical decision）。决议（decision making）就是为到达同一目标在众多能够采取方案中选择最正确方案。临床决议支持系统:指帮助医务人员制订临床决议计算机程序。医学决策支持系统课件第5页二、医学决议基本过程逻辑推理：如A能推出B、B能推出C，则A一定能推出C。因为医学中没有严格规则，所以用得少。归纳推理：启发式推理：上一次推理得出结论，做为第二次循环推理前提，循环推理，逐步求精。医学决策支持系统课件第6页临床上判别诊疗：不一样疾病为不一样概念集合，而不一样疾病之间有很多交集。判别诊疗：区分交集部分不一样集合。疾病A疾病B交集交集划分非确定性交集划分疾病A疾病B交集医学决策支持系统课件第7页决议分析基本步骤：供临床选择治疗方法有时很多，此时要筛除一些“劣”决议，有利于下一步分析。确定各决议可能后果，并设置各种后果发生概率。确定决议人偏爱，并对效用赋值。在以上三步基础上去选择决议人最满意决议，即期望效用最大决议。医学决策支持系统课件第8页三、医学决议支持系统类型建立目标划分：更加好了解患者情况系统试图提供最正确治疗决议系统工作方式划分被动系统半自动系统主动系统医学决策支持系统课件第9页四、医学决议系统功效用药指导传递行政信息医师指令饿自动评价自动报警、提醒和警戒诊疗帮助医学决策支持系统课件第10页五、医学决议支持基本方法（一）贝叶斯公式和决议理论1）事件及其相互关系必定事件：必定事件：在一定条件下必须出观现象 不不可可能能事事件件：在一定条件下必定不出现现象。随随机机事事件件：在一定条件下，可能出现也可能不出现。医学决策支持系统课件第11页“两事件A,B中最少有一个出现”也是一事件，称此事件为A,B和，记作AUB;事件“A1,A2,A3,.An中最少有一出现称为Al，A2An和，记为Al UA2Un。若“n个事件A1,A2,A3,.An都出现也是一事件，则称为A1，A2，An交，记作:A1A2A n。医学决策支持系统课件第12页2）概率与频率概概率率:可用一个小于或等于1正数P(A)来表示事件A出现可能性,P(A)就称为事件A概率。较大可能性用较大数字来标志较小可能性就用较小数字来标志频频率率:当概率值不易求出时我们往往取频率作为概率近似值，频率概念比较简单能够很方便地求出。医学决策支持系统课件第13页3）贝叶斯定理条件概率条件概率:有时除了要知道事件概率P(A)外，还需要知道在“事件B已出现”条件下，事件A出现条件概率P（A|B）。比如，我们需要知道在某疾病B发生条件下，症状A出现概率时就要计算条件概率 P（A|B）。医学决策支持系统课件第14页贝叶斯定理nP(Di|S)=P(Di)P(S|Di)/P(Di)P(S|Di)i=1D1,D2,Dn分别表示n种互斥疾病,Di为第i个疾病;P(Di)为Di先验概率(疾病发生概率)。S为用于这些疾病判别诊疗某一临床表现或检验结果组合（症候）P(S|Di)为疾病Di症状S发生概率；P(Di|S)为症状S提醒疾病Di发生概率（后验概率）医学决策支持系统课件第15页先验概率,表示医生在详细诊疗某患者前所掌握疾病Di发病情况。P(S|Di)为在已知疾病Di条件下，各症状S出现“条件概率”，即某临床症候A可能性，它能够经过搜集足够数量病例轻易地得到。P(Di|S）称为后验概率，表示在患者症状S出现时,患疾病Di可能性。医学决策支持系统课件第16页对于两个或更多个症状存在情况，仍可用贝叶斯(Bayes)公式计算。在各个症状彼此独立前提下，则各个症状同时出现概率是各自单独出现时其概率乘积。所以假设各症状相互独立，贝叶斯(Bayes)公式可写为：医学决策支持系统课件第17页在利用贝叶斯模型时须要注意问题模型中j种疾病互斥，先验概率之和要为l(即要组成一个完整疾病群).先验概率确实定。参考文件报道和历史资料统计频率作为近似预计。条件概率确实定。用于判别诊疗症候指标是相互独立无关。当计算出各后验概率P(Hj|A)后，作为临床判断依据只有当P(Hj|A)(jl，2，,n)间差距达五倍以上时方可下结论，或是当某一后验概率值达085才下结论。医学决策支持系统课件第18页应用举例一:如对某地域1207位阑尾炎思索资料统计为表3-1。按慢性阑尾炎、急性阑尾炎、阑尾炎穿孔三类统计症候频率(腹痛开始部位、恶心呕吐、大便、体温、体征及体检结果)。若已知慢性阑尾炎H1、急性阑尾炎H2、阑尾炎穿孔H3发生先验概率分别为：P(H1)0.391 P(H2)0.493 P(H3)0.116现有一阑尾炎患者、开始上腹痛，之后呕吐，腹泻，人院体温37全身腹肌担心，压痛，WBC(白细胞)数达19350。医学决策支持系统课件第19页医学决策支持系统课件第20页显然其症侯为BB13B23B33B42B51B61B73,则其P(Hj|B)(jl，2，3，4)大小可经过公式算得。医学决策支持系统课件第21页其中，P(B|Hj)P(B13B23B33B42B51B61B73|Hj)P(B13|Hj)P(B23|Hj)P(B33|Hj)P(B42|Hj)P(B51|Hj)P(B61|Hj)P(B73|Hj)(j=l，2，3)P(B|H1)94510-8 P(H1)P(B|H1)0351945 10-8 3695 10-8 同理P(H2)P(B|H2)=5.53 10-5 P(H3)P(B|H3)=1.136 10-4医学决策支持系统课件第22页得：P(H1|B)=0.02%P(H2|B)=32.2%P(H3|B)=67.76%所以：诊疗为阑尾炎穿孔（H3).医学决策支持系统课件第23页得：P(H1|B)=0.02%P(H2|B)=32.2%P(H3|B)=67.76%所以：诊疗为阑尾炎穿孔（H3).医学决策支持系统课件第24页3、贝叶斯临床决议系统设计实现贝叶斯模型与传统医生诊疗差异贝叶斯条件概率决议诊疗模型及最大似然诊疗模型使用时必须预先知道所要求全部征候表现，然后再进行综合分析、判断。临床医师诊疗过程常是依据已掌握病人临床表现，结合自己知识与经验进行分析、判断和逐步问诊、检验后再分析及再判断，直至有足够把握作出结论。贝叶斯逐步问诊模型就是仿效这种过程，进行逐步提问和逐步分析计量诊疗模型。医学决策支持系统课件第25页举例二：中风部位诊疗。基础资料：在因中风造成死亡病例中选择发作后二十四小时仍处于昏迷状态47例为对象(62岁-87岁)。方法：在中风即刻到二十四小时内患者所表现症状中选择六项症状进行研究：S1：呕吐S2：陈施氏呼吸S3：发作后血压上升到200mmHg以上S4：单侧麻痹S5：对光反射减弱或消失S6：心房颤动医学决策支持系统课件第26页诊疗疾病分类：G1：大脑前、中动脉支配区域出血与下丘脑出血G2：小脑出血与蛛网膜下腔出血G3：大脑中动脉支配区域栓塞医学决策支持系统课件第27页诊疗表编制步骤：对47例病人按G1，G2，G3三类分组，计算出各组内每一症状出现频率。因为标本数不太多，所以症状出现率为0时以0.01表示，出现率为1时以0.99表示。某患者出现症状为S1，S3，S4，S5，而S2和S6症状没有出现，依据表2-7可分别计算出该患者分属三类似然函数。医学决策支持系统课件第28页医学决策支持系统课件第29页于是，LG1 0.83(1-0.08)0.540.830.79(1-0.01)=0.27LG20.83(1-0.01)0.170.330.83（1-0.01）=0.04LG30.29(1-0.18)0.010.990.24（1-0.35）=0.0005比较上面三个似然函数大小，最大函数为LG1，因而能够判断患者所得病名属于G1类：大脑前、中动脉支配区域出血。医学决策支持系统课件第30页判断试验结果在验证试验结果时除了上述47例外，还利用了原来没有考虑脑干出血3例，脑干栓塞1例，其结果见表2-8，由表可知：病理诊疗为G1类计24例，计量诊疗符合20例；病理诊疗为G2类计6例，计量诊疗符合4例；病理诊疗为G3类计17例，计量诊疗符合16例。若将病理诊疗G1与G2合并后分为出血类(G1+G2)和栓塞类(G3)二大类，则病理诊疗G1+G2类计30例计量诊疗符合28例；栓塞17例中符合16例；同时，3例脑于出血全部符合，只有l例脑干栓塞误分在G1类中。医学决策支持系统课件第31页医学决策支持系统课件第32页Byes理论局限：难预计先验概率与条件概率条件之间线性无关早期医学决议使用医学决策支持系统课件第33页（二）决议树与决议分析启发式推理形成树型决议树（p170）决议树（decision tree）是一个能够有效地表示复杂决议问题数学模型主诉腹部疼痛左上腹疼痛右上腹疼痛胆囊炎右下腹疼痛左下腹疼痛阑尾炎宫外孕卵巢囊肿扭转阑尾炎阑尾炎医学决策支持系统课件第34页决议树由一些决议点、机会点和决议枝、机会枝组成。普通用圆圈“”表示机会点，发生结果不在医师控制之下；小方框“”表示决议点，在决议点，医师必须在几个方案中选取一个；决议点对应分枝称为决议枝；机会点对应分枝称为机会枝。（P171图8-1）医学决策支持系统课件第35页举例：决议树应用：最可能患胰腺癌者包含40岁以上，中腹部疼痛连续13周人。假设这类人中胰腺癌发生率为12。如有一个不冒什么风险早期诊疗方法对胰腺癌检出率为80（敏感度），但对有类似症状非胰腺癌患者假阳性率为5，用此法诊疗确诊胰腺癌患者手术死亡率为10，治愈率为45。医学决策支持系统课件第36页依据上述疾病概率，诊疗概率和死亡、治愈概率，如对1000人进行诊疗、治疗，其所取得益处，是否比不进行诊疗检验和手术更大？能够用一个决议树（下列图）进行分析比较。医学决策支持系统课件第37页由JCSisson等人一个关于胰腺癌决议树模型医学决策支持系统课件第38页从以上决议树可见，不作该项检验死亡者为12例，均为胰腺癌病人。用该项检验手术后死亡12.5人，其中有5例为非胰腺癌病人。而且新检验使44例非胰腺癌患者胰腺功效因手术而可能受到损害。所以这项检验对病人是弊大于利，不宜使用。医学决策支持系统课件第39页（三）人工智能和教授系统技术人工智能是用机器来模拟推理,学习与联想功效。教授系统是指利用一个或多个教授提供特殊领域知识进行推理和判断,以求解那些需要教授才能处理复杂问题一个智能计算机程序。医学决策支持系统课件第40页以专业知识专业知识来处理困难问题计算机程序以逻辑演绎或教授经验法则经验法则来模拟人类推理其过程是透过对问题特征了解，进而向系统中教授知识库知识库咨询，并藉由经验法则应用，产生所需答案教授系统是一个具逻辑性推理能力推理能力，以其储存某特定领域或教授知识来处理现实问题计算机系统医学决策支持系统课件第41页教授系统优点教授系统优点（1）含有高度针对性：）含有高度针对性：（2）含有启发性：）含有启发性：（3）透明性：）透明性：（4）灵活性：）灵活性：医学决策支持系统课件第42页教授系统组成教授系统组成（1）知识库）知识库细菌感染病治疗教授系统细菌感染病治疗教授系统MYCIN 一条规则以下一条规则以下:假如假如:1)有机体本性不知道有机体本性不知道,且且2)有机体染色是革兰氏阴性有机体染色是革兰氏阴性,且且3)有机体形态是杆状有机体形态是杆状,且且4)有机体需氧性是需氧有机体需氧性是需氧,则则:存在强有力启发性证听说明有机体类别是肠存在强有力启发性证听说明有机体类别是肠细菌科。细菌科。医学决策支持系统课件第43页教授系统组成教授系统组成（2）数据库）数据库在医疗教授系统中在医疗教授系统中,数据库中存放是当前数据库中存放是当前患者姓名、年纪、症状等以及推理而得患者姓名、年纪、症状等以及推理而得结果、病情等结果、病情等。医学决策支持系统课件第44页教授系统组成教授系统组成（3）推理机）推理机在教授系统中在教授系统中,推理方式有推理方式有：正向推理正向推理：反向推理：反向推理：正反向混合推理正反向混合推理：医学决策支持系统课件第45页教授系统组成教授系统组成知识获取模块知识获取模块它应含有以下功效:(1)依据实践结果,发觉知识库中不合理或错误知识(规则),并给予删除。(2)依据实践结果,总结出新知识,并加入知识库中。医学决策支持系统课件第46页教授系统组成教授系统组成(5)解释接口解释接口如MYCIN中用户与系统对答:用户问:你怎么知道培养基是从无菌源取得?MYCIN答:RULE001和RULE002提供了证据。用户问:RULE001是怎样触发?MYCIN答:已知培养基无菌性取决于对该培养基进行检验方法,而且不知道是否小心地加以操作,所以有很大可能性证实培养基是从无菌源取得。医学决策支持系统课件第47页教授系统架构教授系统架构知识库知识擷取副系统推理机解释副系统自然語言介面使用者问题情况问题叙述工作区教授或知识工程師医学决策支持系统课件第48页国外开发医学教授系统国外开发医学教授系统医学决策支持系统课件第49页我国开发教授系统疾病覆盖情况我国开发教授系统疾病覆盖情况医学决策支持系统课件第50页医学教授系统：MYCIN斯坦福大学1975年开发细菌感染医学诊疗1)血液中细菌感染2)脑膜炎感染输入：与医师访谈后所得诊疗与治疗法提议输出：诊疗与治疗各种提议医学决策支持系统课件第51页MYCIN结构结构咨询程序咨询程序解释程序解释程序提问提问/回答回答程序程序知识获取程序知识获取程序.病人数病人数据库据库知识库知识库医学决策支持系统课件第52页MYCIN 系统MYCIN主要用于帮助医生诊疗脑膜炎一类细菌感染疾病。在MYCIN知识库里，大约存放着450条判别规则和1000条关于细菌感染方面医学知识。它一边与用户进行对话，一边进行推理诊疗。它推理规则称为“产生式规则”，类似于：“IF（打喷嚏）OR（鼻塞）OR（咳嗽），THEN（有感冒症状）”这种医生诊疗疾病经验总结，最终显示出它“考虑”可能性最高病因，并以给出用药提议而结束。医学决策支持系统课件第53页（四）神经网络和连接系统人工神经网络”(ARTIFICIAL NEURAL NETWORK，简称A.N.N.)是在对人脑组织结构和运行机智认识了解基础之上模拟其结构和智能行为一个工程系统。人工神经网络首先要以一定学习准则进行学习，然后才能工作。医学决策支持系统课件第54页现以人工神经网络对手写“A”、“B”两个字母识别为例进行说明，要求当“A”输入网络时，应该输出“1”，而当输入为“B”时，输出为“0”。所以网络学习准则应该是：假如网络作犯错误判决，则经过网络学习，应使得网络降低下次犯一样错误可能性。首先，给网络各连接权值赋予(0，1)区间内随机值，将“A”所对应图象模式输入给网络，网络将输入模式加权求和、与门限比较、再进行非线性运算，得到网络输出。在此情况下，网络输出为“1”和“0”概率各为50%，也就是说是完全随机。医学决策支持系统课件第55页第二节 医学决议系统支持相关技术决议支持系统（DSS）：从数据库中找出必要数据，并利用数学模型功效，为用户产生所需信息。一、数据仓库技术数据仓库概念：是一个面向主题、集成、与时间相关、不可修改、包含历史数据数据集合。它用于支持经营管理中决议制订过程。数据仓库概念对搜集不一样起源数据从新角度提出了一个新结构方法数据仓库根本任务：把信息加以整理归纳并及时提供给管理决议人员。主要作用：提供报表和图表、支持多维分析、数据挖掘基础。医学决策支持系统课件第56页数据仓库主题：是指用户使用数据仓库进行决议时所关心重点方面。面向主题：数据仓库内信息是按主题进行组织，为按主题进行决议过程提供信息。集成：指信息是经过系统加工、汇总和整理。时间性改变：数据进入数据仓库后，将长久被保留。包含历史数据：从过去某一时点到当前各个阶段信息。医学决策支持系统课件第57页数据仓库系统四个层次体系结构：（1）数据源：整个系统数据源泉（2）数据存放与管理：不一样于传统数据库，决定了外部数据表现形式。医学决策支持系统课件第58页大部分情况下，数据挖掘都要先把数据从数据仓库中拿到数据挖掘库或数据集市中。数据源数据仓库各分企业数据集市分析数据集市数据挖掘数据集市图1：数据挖掘库从数据仓库中得出医学决策支持系统课件第59页数据挖掘库可能是你数据仓库一个逻辑上子集，而不一定非得是物理上单独数据库。医学决策支持系统课件第60页能够把一个或几个事务数据库导到一个只读数据库中，就把它看成数据集市，然后在他上面进行数据挖掘。数据源数据挖掘库图2：数据挖掘库从事务数据库中得出医学决策支持系统课件第61页（3）联机分析处理（OLAP）：对分析需要数据进行有效集成，按多维模型进行组织，方便进行多角度、多层次分析，并发觉趋势。传统查询和报表工具是告诉你数据库中都有什么（what happened），OLAP则更深入告诉你下一步会怎么样（What next）、和假如我采取这么办法又会怎么样（What if）。医学决策支持系统课件第62页（4）前端工具：报表工具、数据分析工具、查询工具、数据挖掘工具。（P173图8-2)医学决策支持系统课件第63页二、在线分析处理技术（一）关系联机分析处理（二）多维联机在线分析处理（三）混合联机在线分析处理P174图8-3医学决策支持系统课件第64页三、数据挖掘技术所谓数据挖掘，就是从数据库中抽取隐含、以前未知、含有潜在应用价值信息过程。数据挖掘是KDD最关键部分。数据挖掘与传统分析工具不一样是数据挖掘使用是基于发觉方法，利用模式匹配和其它算法决定数据之间主要联络。（一）数据挖掘支持技术数据库技术和人工智能技术医学决策支持系统课件第65页（二）数据挖掘方法与过程方法：决议树关联规则人工神经网络粗糙集理论遗传算法过程：对数据库数据整理，抽取出用来完成特定挖掘目标数据集。选择适当挖掘方法和工具，在领域教授指导下进行知识获取研究对事物发展进行预测医学决策支持系统课件第66页数据采集与处理：从数据仓库中选取相关数据集合。知识库：指导数据挖掘和评价挖掘结果。数据挖掘：对数据仓库中提取数据进行分析处理。知识评价：是以兴趣度作为衡量标准来查找和选择对最终决议活动友有益知识。医学决策支持系统课件第67页HIS 中数据处理模型中数据处理模型医学决策支持系统课件第68页（四）数据挖掘在医学决议支持系统中应用(1)关联规则发觉关联规则发觉比如依据数据库挖掘出以下三条规则:a)不锻炼(43年纪48)不吸烟不喝酒女性高血压(s=1.6%，c=20%)b)不锻炼(43年纪48)不吸烟喝酒女性高血压(s=2.3%，c=22%)c)不锻炼(43年纪48)吸烟喝酒女性高血压(s=2.9%，c=26%)规则a、b、c表明不锻炼、吸烟、喝酒这三个危险原因假如同时存在,将显著增加高血压病发生率(22%26%)。医学决策支持系统课件第69页(2)分类规则发觉分类规则发觉在HIS应用中,能够经过决议树方法、神经网络方法等算法对数据库中病历统计进行挖掘,参考国际疾病编码(ICD9)标准,依据系统中存在疾病对应特征,结构出对应疾病分类模型,并对每种疾病寻找出一个效果很好治疗方案。临床应用时,能够将病人病症数据与模型中数据相比较,确定出疾病类型。医学决策支持系统课件第70页(3)序列模式发觉序列模式发觉比如:某疾病40%病人会发生在7、8、9三个月内。另外,为了发觉序列模式,不但需要知道某事件是否发生，而且需要确定知道此时间发生时间。在HIS中,统计有大量病人病情改变时间统计。能够搜集对病人改变情况,利用相关挖掘技术发觉序列模式。发觉序列模式便于医疗工作人员预测病人病情发展趋势,确定病情发展时间,从而有针对性地预防一些疾病发生医学决策支持系统课件第71页(4)聚类分析聚类分析聚类分析不一样于分类分析,输入统计是一组未分类统计,在进行聚类之前并不知道将要划分为哪几个类别。聚类就是将数据分到不一样类中,要求同类数据间含有很高相同性,而不一样类间数据尽可能不相关。在医学中,一些特定症状聚集可能预示某种特定疾病。医学决策支持系统课件第72页HIS 中数据挖掘实例分析中数据挖掘实例分析医学决策支持系统课件第73页HIS 中数据挖掘实例分析中数据挖掘实例分析(1)IF(性别=男)AND(体重=肥胖)AND(47年纪55)AND(97血糖571)THEN高血压比率=66.20%(2)IF(性别=男)AND(体重=肥胖)AND(50年纪55)AND(103血糖571)THEN高血压比率=79.12%(3)IF(性别=男)AND(体重=肥胖)AND(44年纪50)AND(家庭有中风史)AND(0小便PH值60)AND(92血糖571)THEN高血压比率=77.65%医学决策支持系统课件第74页四、知识库知识库:人工智能和数据库技术结合,知识库由知识和知识处理机构组成。医学知识库种类文件数据库事实数据库知识类型科学知识经验性知识知识库三大技术：知识表示知识利用知识获取医学决策支持系统课件第75页五、统一医学语言系统UMLS是美国国立医学图书馆主持开发计算机化生物医学检索语言集成系统和机读情报资源指南系统。UMLS医学决策支持系统课件第76页第四节医学决议支持系统实例HELP系统(Health Evaluation through Logical Processing)基于知识框架技术，专用开发语言-HELP FRAME LANGUAGE帮助医护人员分析解释处理临床数据。呼吸系统疾病试验检验异常结果判断传染病监控用药合理性检验HELPHELP系统处方控制系统处方控制医学决策支持系统课件第77页HELP系统(Health Evaluation through Logical Processing)基于知识框架技术，专用开发语言-HELP FRAME LANGUAGE帮助医护人员分析解释处理临床数据。呼吸系统疾病试验检验异常结果判断传染病监控用药合理性检验医学决策支持系统课件第78页HELPHELP系统处方控制系统处方控制改变处方？登录主诉并改变分发和评价yes医学知识库数据驱动HELP系统药品适当？医疗药品医嘱护士输入药剂师输入历史过敏史等病人数据库接触医生yesnoyesno医学决策支持系统课件第79页2 INTERNIST-1 和QMR系统INTERNIST-1系统是由Pittsburg医科大学开发用于内科疾病诊疗咨询系统。经过疾病症状来推理疾病。搜集了600各种疾病诊疗知识，4500多临床表现。给出诊疗疾病相关参数：相关频率：在某种疾病中某临床症状发生频率。提醒力度：某症状对疾病存在提醒强度。处理用户输入临床表现，得出一组诊疗提议。移植到微机上，称QRM(Quick Medical Reference)医学决策支持系统课件第80页