基于案例庫(kù)的診療決策支持技術(shù)研究.pdf

1、醫(yī)院診療決策過(guò)程的知識(shí)需求具有多屬性、完整性、原始性、即時(shí)性、易接受性和動(dòng)態(tài)更新等典型特征，而這正是基于案例推理(CBR)進(jìn)行信息處理的技術(shù)優(yōu)勢(shì)所在。但由于人類所患疾病的多樣性、多變性、復(fù)雜性、不確定性和動(dòng)態(tài)演化性等特點(diǎn)，以及醫(yī)學(xué)技術(shù)和診斷方法自身的發(fā)展變化，加之醫(yī)院各種用于早期探測(cè)、診斷、預(yù)測(cè)等診療決策過(guò)程的歷史病例中缺失信息、判別變量缺失、區(qū)間數(shù)、灰值等情況的存在，現(xiàn)有的案例推理技術(shù)無(wú)法滿足醫(yī)院診療決策問(wèn)題解決的需要，尚存在著一些具

2、體問(wèn)題亟待進(jìn)一步的研究，如：①?gòu)?fù)雜多屬性診療決策案例的屬性選擇問(wèn)題，多屬性診療決策案例尤其是不舍判別變量案例的權(quán)重獲取方法問(wèn)題；②含區(qū)間模糊數(shù)、空間方位離散數(shù)值、連續(xù)數(shù)值等混合數(shù)值診療案例的模糊多屬性決策問(wèn)題；③最近鄰法在連續(xù)型屬性的計(jì)算上具有較高的效率但在離散型屬性的計(jì)算上效果欠佳，需要研究面向含離散型變量多屬性案例知識(shí)獲取的更高效的檢索方法；④此外，在多屬性診療決策案例中，存在著只知道大概范圍而不知其準(zhǔn)確值的灰數(shù)，灰色診療決策案例的

3、知識(shí)獲取問(wèn)題也是一個(gè)值得進(jìn)一步探索的問(wèn)題。圍繞著以上醫(yī)院診療決策實(shí)踐中存在的關(guān)鍵科學(xué)問(wèn)題，本研究對(duì)傳統(tǒng)的案例推理技術(shù)進(jìn)行改進(jìn)和優(yōu)化，通過(guò)融入統(tǒng)計(jì)學(xué)、模糊數(shù)學(xué)、灰色系統(tǒng)理論、遺傳算法等其他理論，進(jìn)一步改進(jìn)案例推理的性能以適應(yīng)各種醫(yī)院診療決策問(wèn)題的實(shí)際需要。
　　 具體的研究?jī)?nèi)容和主要貢獻(xiàn)如下：
　　 (1)研究了基于歷史案例庫(kù)的集成開放的智能診療決策技術(shù)，構(gòu)建了基于案例推理的智能醫(yī)院診療決策支持系統(tǒng)架構(gòu)(CBR-based

4、 Intelligent Medical Decision Support Systems，CBR-IMDSS)，提出了用改進(jìn)的案例推理技術(shù)輔助決策支持系統(tǒng)的建造，整合DSS和CBR各自的技術(shù)優(yōu)勢(shì)進(jìn)行醫(yī)療知識(shí)挖掘，可以面向疾病早期探測(cè)、診斷、預(yù)測(cè)等不同的診療過(guò)程，為醫(yī)院診療決策者提供有力支持。
　　 (2)在對(duì)國(guó)內(nèi)外屬性選擇方法進(jìn)行了綜述的基礎(chǔ)上，探索了醫(yī)院診療決策中案例屬性的選擇問(wèn)題。①給出了主成分分析的數(shù)學(xué)模型和方法，討論了

5、主成分分析的使用條件和變量相關(guān)性檢驗(yàn)的方法。使用威斯康星癌癥診斷數(shù)據(jù)進(jìn)行測(cè)試，通過(guò)Barlett球型檢驗(yàn)以及特征向量計(jì)算等計(jì)算過(guò)程獲取了三個(gè)主成分。結(jié)果表明，該方法可以降低數(shù)據(jù)維度；②研究了邏輯回歸這種統(tǒng)計(jì)分析方法在醫(yī)療診斷決策案例權(quán)重獲取中的應(yīng)用，給出了相應(yīng)的理論和模型，采用美國(guó)威斯康星州醫(yī)療診斷數(shù)據(jù)和UCI乳腺癌照相腫塊數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，獲取了各個(gè)特征屬性的權(quán)重值；③研究了基于信息熵法的權(quán)重獲取算法，基于UCI乳腺癌照相腫塊數(shù)據(jù)的實(shí)驗(yàn)表

6、明信息熵法可以用于權(quán)重的獲取，而且比常見的德爾菲法有較為明顯的優(yōu)勢(shì)。
　　 (3)針對(duì)醫(yī)院診斷決策案例中同時(shí)含區(qū)間模糊數(shù)、空間方位數(shù)、連續(xù)性數(shù)值等的情境，探索了基于案例推理的模糊多屬性決策方法，提出了一種適應(yīng)模糊多屬性知識(shí)獲取需求的混合案例檢索算法，構(gòu)建了面向模糊多屬性醫(yī)院診療預(yù)測(cè)的案例推理方法框架，研究不同類型案例知識(shí)的表達(dá)，重點(diǎn)解決含符號(hào)屬性、邏輯值屬性、二維空間方位屬性、程度上有差異(有大小差異)的區(qū)間模糊屬性等復(fù)雜屬性案

7、例的檢索問(wèn)題。根據(jù)模糊診療決策案例的特點(diǎn)并結(jié)合醫(yī)院的實(shí)際情況，對(duì)傳統(tǒng)基于歐氏距離最近鄰算法進(jìn)行了部分修改，以適應(yīng)空間方位變量的檢索計(jì)算，形成了面向空間模糊數(shù)計(jì)算的改進(jìn)最近鄰法IKNN-CSFV。針對(duì)有些醫(yī)院診療決策案例中存在的有大小差異區(qū)間模糊數(shù)的特征屬性，將模糊集的概念融入進(jìn)來(lái)，將案例推理問(wèn)題轉(zhuǎn)化成模糊多屬性決策問(wèn)題，形成面向區(qū)間模糊屬性案例檢索算法FCA-PSIS。整合歐氏最近鄰算法、IKNN-CSFV、FCA-PSIS，可以獲得適

8、用于醫(yī)院診療決策案例特征的模糊混合案例檢索算法FHRA-M。基于Columbia Saint Mary's Cancer Dataset的實(shí)驗(yàn)驗(yàn)證了該方法的有效性；進(jìn)一步地，與KNN、RBFNetwork、J48等其他幾種方法的對(duì)比實(shí)驗(yàn)表明該方法具有更高的性能。
　　 (4)研究了非連續(xù)性屬性為主體的醫(yī)院診療決策案例。將條件概率和GAs融合技術(shù)整合到案例推理方法之中形成了CRMGACP算法，該算法主要包括基于GAs的權(quán)重獲取算法

9、和融合條件概率的改進(jìn)相似度算法。該方法可以被看出KNN法的延伸，相對(duì)于傳統(tǒng)的KNN法，連續(xù)性的自變量保持不變但邏輯變量被延展到所有的離散變量。同時(shí)，連續(xù)性屬性的相似度計(jì)算方法基于歐式距離算法但離散型的基于條件概率理論。用VC++實(shí)現(xiàn)了一個(gè)名為CancerCBRSys的程序，用基于AH腫瘤數(shù)據(jù)集分別實(shí)證研究了固定權(quán)重下的KNN(const.w)、專家評(píng)價(jià)權(quán)重下的KNN(expert.W)、CRMGACP以及信息熵法與條件概率的混合案例檢索

10、算法CRM-IECP這四種案例推理方法的性能，選擇的評(píng)價(jià)統(tǒng)計(jì)量為準(zhǔn)確性、靈敏度、特異性和F值。結(jié)果顯示，CRMGACP在統(tǒng)計(jì)的準(zhǔn)確性，靈敏度，精密度和F值上都具有最佳性能。分別選擇Naive bayes，Logistics，RBF network和Simple Cart來(lái)測(cè)試相同的測(cè)試集和參考集進(jìn)行比較實(shí)驗(yàn)，結(jié)果顯示CBR(CRM-GACP)的測(cè)試結(jié)果比其他方法具有更好的性能。總的來(lái)說(shuō)，CRM-GACP在對(duì)比試驗(yàn)中展示出更為顯著的優(yōu)勢(shì)，

11、它可以同時(shí)進(jìn)行連續(xù)型和離散型屬性值的直接計(jì)算而無(wú)需離散化連續(xù)屬性值，是一個(gè)可以為臨床診斷決策提供支持的具有前景的工具。
　　 (5)探索了灰色診療案例中的知識(shí)挖掘問(wèn)題，將信息熵和灰色理論進(jìn)行了融合，研究了集成優(yōu)化型灰色理論的案例推理方法。基于UCI mammography數(shù)據(jù)集的實(shí)驗(yàn)表明，就最終準(zhǔn)確性而言，通過(guò)信息熵可以獲得比德爾菲法更高的精度。特別地，在四種不同的融合中，灰色系統(tǒng)理論和信息熵的融合算法獲得了最好的效果。其后，是

12、信息熵和基于歐氏距離算法傳統(tǒng)最近鄰法的融合算法。信息熵和灰色理論的融合算法帶來(lái)了最好的靈敏度。其他三種融合的敏感度欠佳，也不穩(wěn)定。幾乎所有這些融合的算法在K=1時(shí)特異性都最差，但敏感性卻不是最差的?？傮w上講，在本研究中的乳腺癌診療決策中，信息熵法在權(quán)重獲取方面表現(xiàn)得比德爾菲法更好。綜合考慮各種性能，整合信息熵和灰色理論的案例推理方法顯得更為優(yōu)越。(5)通過(guò)實(shí)證分析方法研究了KNN中K值的選擇。從理論上講，目標(biāo)案例的最佳匹配對(duì)象應(yīng)該是那個(gè)