| |
分类导航 |
 |
|
|
|
|
|
|
资源大小：52.39 KB |
资源类型：文档 |
|
下载积分： 0 |
|
|
|
-->
|
|
资源介绍 |
|
8. HIS中的决策支持系统
医院信息系统中的决策支持系统包括医学决策支持和管理决策支持。医学决策支持主要讨论医疗工作中的计算机辅助决策支持问题，管理决策支持主要讨论计算机辅助管理决策问题。两类决策支持的基本实现方法都是来自于同一类技术——统计学、数据仓库、人工智能等技术，只不过临床决策支持偏重于使用人工智能技术，管理决策支持偏重于使用统计学和数据仓库技术。但是，数据仓库与人工智能中的知识发现（自学习）技术本来就是一个问题的两种名称。为了方便，我们在医学决策支持中介绍人工智能技术，在管理决策支持中介绍数据仓库技术。
8.1. 医学决策支持的基本概念
8.1.1. 基本概念
决策是医生的主要工作。理论上，决策包括列出可能的方法或策略、制定决策顺序、选择最合适的解决方案。但是，医学决策通常不能够十分简单的按照以上流程完成，因为医学问题十分复杂，对于一个病人的临床表现，经常有太多可能的诊断假设；在众多的诊疗方法中，仅有几个方法可用。而医学知识帮助医生在众多的选择中作出判断。
在计算机应用中，人们很自然地想到使用计算机帮助医生进行医学决策，这就是医学决策支持。自从计算机刚刚诞生不长的时间，人们就开始了计算机用于医学决策的研究。从最早的统计学方法，到后来的基于规则的医学专家系统、再后来的神经网技术，人们花费了大量的资金，尝试了各种技术和算法，试图解决人类的智能模拟问题，而医学又是最合适的研究领域。
8.1.2. 医学决策基本过程
要研究医学决策支持，首先需要研究医学决策的基本过程。决策是医生的主要工作。理论上，决策包括列出可能的方法或策略、制定决策顺序、选择最合适的解决方案。但是，医学决策通常不能够十分简单的按照以上流程完成，因为医学问题十分复杂，对于一个病人的临床表现，经常有太多可能的诊断假设；在众多的诊疗方法中，仅有几个方法可用。而医学知识帮助医生在众多的选择中作出判断。
临床推理通常包括三种类型：逻辑推理、归纳推理和启发式推理[图8-1]。
图8-1. 不同推理类型示意图
逻辑推理的一般形式是，如果A能够推出B，B能够推出C，则A一定能够推出C。如病人检查乙肝核心抗体阳性，规则显示抗体阳性说明感染了乙肝，则该病人有乙肝感染。在医学实践中，能够使用这种严格的逻辑推理的情况极为罕见，因为医学没有十分严格的规律。如病人转氨酶高于正常值，而转氨酶高大多见于甲肝或乙肝，因此病人很可能患甲肝或乙肝。这类分析可以归入归纳推理。而临床最多见的是启发式推理：在完成一次推理过程以后，得出的初步结论作为第二次循环推理的前提，这样循环推理，逐步求精，最终得出比较准确得的结论。启发式推理是一个动态过程，在临床诊断过程中可以用诊断反馈循环图表示[图8-2]。
图8-2. 诊断反馈循环是诊断逐步求精的过程
图8-2描述了一个医学诊断的反馈式循环。临床医生通过问诊、体格检查、进行各项检查、检验获取病人有关疾病的信息，不断优化自己的诊断结论。这是一个逐步求精的过程，它也符合人类一般认识事务的过程。
医学决策中的非确定性一直备受关注，正像前面提到的转氨酶高与甲肝或乙肝关系的例子。涉及转氨酶高的疾病很多，结合发生概率，可以列出顺序表。
8.2. 医学决策支持的基本技术
8.2.1. 概率方法与决策分析
概率方法可以部分解决非确定性问题，其中主要使用贝叶司 (Bayes) 理论。贝叶司可以通过综合不同临床表现的概率得出不同疾病诊断的概率。
公式中，Di为第i个疾病，P(Di)为疾病Di的先验概率（疾病发生概率），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发生得概率（后验概率）。如果存在多个临床表现，可以计算出对不同诊断的提示强度。
下面给出一个具体的例子[表8-1]。
Di 先验概率P(Di) P(PRLQ|Di) P(PLLQ|Di)
阑尾炎 0.10 0.80 0.10
输卵管炎 0.05 0.50 0.50
其他 0.85 0.05 0.05
表8-1. 疾病临床表现发生概率表
|
|
|
下载地址 |
|
|
| |
|
|
