《第八章-医学决策支持系统-课件.ppt》由会员分享，可在线阅读，更多相关《第八章-医学决策支持系统-课件.ppt（48页珍藏版）》请在三一办公上搜索。
1、第八章 医学决策支持系统,决策支持系统,决策：DSS定义：DSS（Decision Support System）决策支持系统，是在半结构化和非结构化决策活动过程中，通过人机对话，向决策者提供信息，协助决策者发现和分析问题，探索决策方案，评价、预测和选择方案，以提高决策有效性的一种以计算机为手段的信息系统。,决策支持系统,20世纪70年代中期首次提出“决策支持系统”。形成了决策支持系统的新学科20世纪70年代末模型库，数据库，人机交互系统智能决策支持系统IDSS群体决策支持系统GDSS,决策支持系统,DSS与MIS的关系MIS是DSS的一部分DSS是MIS的一部分DSS与MIS是同一信息系统中
2、的两个相互关联的而又相互配合的不同部分DSS和MIS是计算机应用于管理系统中的两个不同的发展阶段,与,联系MIS是DSS的基本数据源MIS可以担负起收集运算DSS决策反馈信息的任务DSS在反复使用和改进过程中，可使某些问题的模式逐步明确化，把一个半结构化和非结构化的问题转化为结构化的问题，纳入MISDSS的开发为的改进和提高明确了方向,DSS系统结构图,DSS典型部件,医学决策支持系统,医院信息系统的决策支持医学决策支持：医疗工作中的计算机辅助决策支持管理决策支持：计算机辅助管理决策支持医学决策支持系统:指将医学知识应用到某一患者的特定问题，提出具有最佳费用/效果比的解决方案的计算机系统决策支
3、持基础统计学数据仓库人工智能,基本概念,医学决策支持：临床医生经常为病人的诊断、治疗作出决定。这些临床决定亦即临床决策（clinical decision）。决策（decision making）就是为达到同一目标在众多可以采取的方案中选择最佳方案。临床决策支持系统:指帮助医务人员制定临床决策的计算机程序。,医学决策基本过程,逻辑推理：如A能推出B、B能推出C，则A一定能推出C。逻辑推理就是根据一系列的事实或论据,使用一定的推理方法,最后得到结论的严密的理性思维过程。归纳推理：从个别性知识推出一般性结论的推理 启发式推理：上一次推理得出的结论，做为第二次循环推理的前提，循环推理，逐步求精。,临
4、床上的鉴别诊断：不同的疾病为不同的概念集合，而不同疾病之间有很多交集。鉴别诊断：区分交集部分的不同集合。,决策分析的基本步骤供临床选择的治疗方法有时很多，此时要筛除一些“劣”的决策，有利于下一步的分析。确定各决策可能的后果，并设置各种后果发生的概率。确定决策人的偏爱，并对效用赋值。在以下三步基础上去选择决策人最满意的决策，即期望效用最大的决策。,医学决策支持系统的功能,用药指导传递行政信息医师指令的饿自动评价自动报警、提示和警戒诊断帮助,医学决策支持的基本技术,1.概率方法与决策分析2.决策树3.人工智能和专家系统4.神经网络和连接系统,医学决策支持的基本技术,1.概率方法与决策分析1）贝叶斯
5、定理条件概率有时除了要知道事件的概率P(A)外，还需要知道在“事件B已出现”的条件下，事件A出现的条件概率P（A|B）。例如，我们需要知道在某疾病B发生条件下，症状A出现的概率时就要计算条件概率P（A|B）。,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种互斥的疾病,Di为第i个疾病;P(Di)为Di的先验概率(疾病发生的概率)。S为用于这些疾病鉴别诊断的某一临床表现或检验结果的组合（症候）P(S|Di)为疾病Di的症状S发生的概率；P(Di|S)为症状S提示疾病Di发生的概率（后验概率）,先验概率,表示医生在具体诊断某患者前
6、所掌握的疾病Di的发病情况。P(S|Di)为在已知疾病Di条件下，各症状S出现的“条件概率”，即某临床症候A的可能性，它可以通过收集足够数量的病例容易地得到。P(Di|S）称为后验概率，表示在患者症状S出现时,患疾病Di的可能性。,贝叶斯定理,对于两个或更多个症状存在的情况，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的概率是各自单独出现时其概率的乘积。因此假设各症状互相独立，贝叶斯(Bayes)公式可写为：,在运用贝叶斯模型时须要注意的问题模型中j种疾病互斥，先验概率之和要为l(即要构成一个完整的疾病群).先验概率的确定。参考文献报道和历史资料统计频率作为
7、近似估计。条件概率的确定。用于鉴别诊断的症候指标是互相独立无关的。当计算出各后验概率P(Hj|A)后，作为临床判断的依据只有当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。,2）应用举例 如对某地区1207位阑尾炎患者的资料统计为下表。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发生的先验概率分别为：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
8、肌紧张，压痛，WBC(白细胞)数达19350。,显然其症侯为BB13B23B33B42B51B61B73,则其P(Hj|B)(jl，2，3，4)的大小可通过公式算得。,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,得：P(H1|B
9、)=0.02%P(H2|B)=32.2%P(H3|B)=67.76%,所以：诊断为阑尾炎穿孔（H3).,3、贝叶斯临床决策系统设计实现贝叶斯模型与传统医生诊断的差异贝叶斯条件概率决策诊断模型及最大似然诊断模型使用时必须预先知道所规定的全部征候表现，然后再进行综合分析、判断。临床医师的诊断过程常是根据已掌握的病人的临床表现，结合自己的知识与经验进行分析、判断和逐步问诊、检查后再分析及再判断，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的计量诊断模型。,2、决策树与决策分析,启发式推理形成树型决策树决策树（decision tree）是一种能够有效地表达复杂决
10、策问题的数学模型,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,决策树由一些决策点、机会点和决策枝、机会枝组成。一般用圆圈“”表示机会点，发生的结果不在医师的控制之下；小方框“”表示决策点，在决策点，医师必须在几种方案中选取一种；决策点相应的分枝称为决策枝；机会点相应的分枝称为机会枝.,举例：决策树的应用：最可能患胰腺癌者包括40岁以上，中腹部疼痛持续13周的人。假设这类人中胰腺癌的发生率为1.2。如有一种不冒什么风险的早期诊断方法对胰腺癌的检出率为80（敏感度），但对有类似症状的非胰腺癌患者的假阳性率为5，用此法诊断确诊的
11、胰腺癌患者手术死亡率为10，治愈率为45。根据上述疾病概率，诊断概率和死亡、治愈概率，如对1000人进行诊断、治疗，其所获得的益处，是否比不进行诊断检查和手术更大？可以用一个决策树（下图）进行分析比较。,由JC Sisson等人的一个关于胰腺癌的决策树模型,3.人工智能和专家系统技术,人工智能是用机器来模拟推理,学习与联想的功能。专家系统是指运用一个或多个专家提供的特殊领域知识进行推理和判断,以求解那些需要专家才能解决的复杂问题的一种智能计算机程序。,以专业知识来解决困难问题的计算机程序以逻辑演绎或专家的经验法则来模拟人类的推理其过程是透过对问题特征的了解，进而向系统中的专家知识库咨询，并藉由
12、经验法则的应用，产生所需的答案专家系统是一种具逻辑性推理能力，以其储存某特定领域或专家知识来解决现实问题的计算机系统,专家系统的优点,具有高度的针对性：具有启发性：透明性：灵活性：,专家系统的组成,（1）知识库细菌感染病治疗专家系统MYCIN 的一条规则如下:如果:1)有机体的本性不知道,且2)有机体的染色是革兰氏阴性,且3)有机体的形态是杆状的,且4)有机体的需氧性是需氧的,则:存在强有力的启发性证据说明有机体的类别是肠细菌科。,专家系统的组成,（2）数据库在医疗专家系统中,数据库中存放的是当前患者的姓名、年龄、症状等以及推理而得的结果、病情等。,专家系统的组成,（3）推理机在专家系统中,推
13、理方式有：正向推理：反向推理：正反向混合推理：,专家系统的组成,（4）知识获取模块 根据实践结果,发现知识库中不合理或错误的知识(规则),并予以删除。根据实践结果,总结出新知识,并加入知识库中。,专家系统的组成,(5)解释接口 如MYCIN中用户与系统的对答:用户问:你怎么知道培养基是从无菌源取得的?MYCIN 答:RULE 001 和RULE 002 提供了证据。用户问:RULE 001 是如何触发的?MYCIN 答:已知培养基的无菌性取决于对该培养基进行检验的方法,并且不知道是否小心地加以操作,所以有很大的可能性证明培养基是从无菌源取得的。,专家系统的架构,知识库,知识获取子系统,推理机,
14、解释子系统,自然语言界面,使用者,问题状况问题叙述,工作区,专家或知识工程师,国外的开发的医学专家系统,专家系统最成功的实例之一，是1976年美国斯坦福大学肖特列夫（Shortliff）开发的医学专家系统MYCIN，这个系统后来被知识工程师视为“专家系统的设计规范”。MYCIN系统采用产生式规则构建推理系统。,4、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的认识理解基础之上模拟其结构和智能行为的一种工程系统。人工神经网络首先要以一定的学习准则进行学习，然后才能工作。,几个典型的医学决策支持系统,1、MY
15、CIN 系统MYCIN主要用于协助医生诊断脑膜炎一类的细菌感染疾病。在MYCIN的知识库里，大约存放着450条判别规则和1000条关于细菌感染方面的医学知识。它一边与用户进行对话，一边进行推理诊断。它的推理规则称为“产生式规则”，类似于：“IF（打喷嚏）OR（鼻塞）OR（咳嗽），THEN（有感冒症状）”这种医生诊断疾病的经验总结，最后显示出它“考虑”的可能性最高的病因，并以给出用药的建议而结束,2 INTERNIST-1 和QMR系统,INTERNIST-1系统是由Pittsburg医科大学开发的用于内科疾病诊断咨询系统。通过疾病症状来推理疾病。收集了600多种疾病的诊断知识，4500多临床表
16、现。给出诊断疾病的相关参数：相关频率：在某种疾病中某临床症状发生的频率。提示力度：某症状对疾病存在的提示强度。处理用户输入的临床表现，得出一组诊断建议。移植到微机上，称QRM(Quick Medical Reference),3、HELP系统(Health Evaluation through Logical Processing）由犹他洲盐湖城的Latter Days Sants(LDS)医院开发,是一个与医院信息系统结合的非常完美的决策支持系统的例子。它是一个半主动系统,每次病历更新都会激活决策支持模块。帮助医护人员分析解释处理临床数据。呼吸系统疾病实验检查异常结果判断传染病监控用药合理性检查,HELP系统的处方控制,谢谢聆听,
