1、第八章 医学决医学决策支持系统统决决策支持系统统决决策：DSSDSS定义义：DSSDSS（Decision Support SystemDecision Support System）决决策支持系统统，是在半结构结构化和非结构结构化决决策活动过动过程中，通过过人机对话对话，向决决策者提供信息，协协助决决策者发现发现和分析问题问题，探索决决策方案，评评价、预测预测和选择选择方案，以提高决决策有效性的一种种以计计算机为为手段的信息系统统。决决策支持系统统 20世纪纪70年代中期首次提出“决决策支持系统统”。形成了决决策支持系统统的新学学科 20世纪纪70年代末模型库库，数数据库库，人机交互系统统
2、智能决决策支持系统统IDSS 群体决决策支持系统统GDSS决决策支持系统统DSSDSS与与MISMIS的关系的关系 MISMIS是是DSSDSS的一部分的一部分 DSSDSS是是MISMIS的一部分的一部分 DSSDSS与与MISMIS是同一信息系统中的两个相互关联的而是同一信息系统中的两个相互关联的而又相互配合的不同部分又相互配合的不同部分 DSSDSS和和MISMIS是计算机应用于管理系统中的两个不同是计算机应用于管理系统中的两个不同的发展阶段的发展阶段完成任务方面完成任务方面与决策间接相关与决策间接相关直接相关直接相关系统目标方面系统目标方面高效性高效性提高效益提高效益求解问题的性质方面
3、求解问题的性质方面 结构化问题结构化问题半结构化和非结构化半结构化和非结构化系统的设计思想方面系统的设计思想方面 稳定，协调稳定，协调有发展潜力适应性强有发展潜力适应性强系统的设计系统的设计客观性客观性决策者的作用决策者的作用运行过程方面运行过程方面人工干预少人工干预少人机对话为主人机对话为主数据处理方面数据处理方面符合现状符合现状未来的发展未来的发展系统驱动方面系统驱动方面数据驱动数据驱动模型驱动模型驱动系统分析方面系统分析方面总体的信息需求总体的信息需求个人需要个人需要数据的要求方面数据的要求方面精度速度精度速度综合性指标综合性指标与 联系联系 MISMIS是是DSSDSS的基本数据源的基
4、本数据源 MISMIS可以担负起收集运算可以担负起收集运算DSSDSS决策反馈信息的任务决策反馈信息的任务 DSSDSS在反复使用和改进过程中，可使某些问题的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，纳入问题转化为结构化的问题，纳入MISMIS DSSDSS的开发为的改进和提高明确了方向的开发为的改进和提高明确了方向 DSSDSS系统结构图统结构图分析系统部件分析系统部件提出方案提出方案选择最好方案选择最好方案评价方案评价方案实现结果实现结果由系统到子系统由系统到子系统收集信息收集信息内内
5、源源外外 源源DSS输入接口输入接口信息处理器信息处理器数据库数据库模型模型方法库方法库报报 告告数据库数据库查询查询模模 拟拟结结 果果DSS情报情报活动活动设计设计活动活动选择选择活动活动评价评价活动活动DSS输出接口输出接口 DSSDSS典型部件 用户数据库模型库DBMSMBMSDGMS会话接口医学决医学决策支持系统统 医院信息系统的决策支持医院信息系统的决策支持 医学决策支持：医学决策支持：医疗工作中的计算机辅助决策支持医疗工作中的计算机辅助决策支持 管理决策支持：管理决策支持：计算机辅助管理决策支持计算机辅助管理决策支持 医学决策支持系统医学决策支持系统:指将医学知识应用到某一患者的
6、特定问指将医学知识应用到某一患者的特定问题，提出具有最佳费用题，提出具有最佳费用/效果比的解决方案的计算机系统效果比的解决方案的计算机系统决策支持基础决策支持基础统计学统计学数据仓库数据仓库人工智能人工智能基本概概念 医学决策支持医学决策支持：临临床医医生经经常为为病人的诊断诊断、治疗疗作出决决定。这这些临临床决决定亦即临临床决决策（clinical decision）。决策决策（decision making）就是为达为达到同一目标标在众众多可以采取的方案中选择选择最佳方案。临床决策支持系统临床决策支持系统:指帮帮助医务医务人员员制定临临床决决策的计计算机程序。医学决策基本过程医学决策基本过
7、程 逻辑推理：逻辑推理：如如A A能推出能推出B B、B B能推出能推出C C，则，则A A一定能推出一定能推出C C。逻辑推理就是根据一系列的事实或论据逻辑推理就是根据一系列的事实或论据,使用一使用一定的推理方法定的推理方法,最后得到结论的严密的理性思维最后得到结论的严密的理性思维过程过程 。归纳推理：归纳推理：从个别性知识推出一般性结论的推理从个别性知识推出一般性结论的推理 启发式推理：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。前提，循环推理，逐步求精。临床上的鉴别诊断：临床上的鉴别诊断：不同的疾病为不同的概念
8、集合，而不同疾病之间有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。很多交集。鉴别诊断：区分交集部分的不同集合。鉴别诊断：区分交集部分的不同集合。疾病A疾病B交集交集划分非确定性的交集划分疾病A疾病B交集决策分析的基本步骤决策分析的基本步骤供临床选择的治疗方法有时很多，此时要筛除一供临床选择的治疗方法有时很多，此时要筛除一些些“劣劣”的决策，有利于下一步的分析。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确定各决策可能的后果，并设置各种后果发生的概率。概率。确定决策人的偏爱，并对效用赋值。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
9、，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。即期望效用最大的决策。医学决医学决策支持系统统的功能 用药指导用药指导 传递行政信息传递行政信息 医师指令的饿自动评价医师指令的饿自动评价 自动报警、提示和警戒自动报警、提示和警戒 诊断帮助诊断帮助医学决策支持的基本技术医学决策支持的基本技术 1.1.概率方法与决策分析概率方法与决策分析 2.2.决策树决策树 3.3.人工智能和专家系统人工智能和专家系统 4.4.神经网络和连接系统神经网络和连接系统医学决策支持的基本技术医学决策支持的基本技术1.1.概率方法与决策分析概率方法与决策分析1 1）贝叶斯定理）贝叶斯定理 条件概率条件
10、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）。贝叶斯定理贝叶斯定理 nP(Di|S)=P(Di)P(Di|S)=P(Di)P(S|Di)/P(Di)P(S|Di)/P(Di)P(S|DiP(S|Di)i=1i=1 D1,D2,D1,D2,DnDn分别表示分别表示n n种互斥的疾病种互斥的疾病,Di,Di为第为第i i个疾病个疾病;P(DiP(Di)为为DiDi的先验概率的先验概率(疾病发生的概率疾病发生的概率)。S S为用于这些疾病鉴别诊断
11、的某一临床表现或检验结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）果的组合（症候）P(S|DiP(S|Di)为疾病为疾病DiDi的症状的症状S S发生的概率；发生的概率；P(Di|SP(Di|S)为症状为症状S S提示疾病提示疾病DiDi发生的概率（后验概率）发生的概率（后验概率）先验概率先验概率,表示医生在具体诊断某患者前所掌握的疾病表示医生在具体诊断某患者前所掌握的疾病DiDi的发病情况。的发病情况。P(S|DiP(S|Di)为在已知疾病为在已知疾病DiDi条件下，各症状条件下，各症状S S出现的出现的“条件条件概率概率”，即某临床症候，即某临床症候A A的可能性，它可以通
12、过收集足够的可能性，它可以通过收集足够数量的病例容易地得到。数量的病例容易地得到。P(Di|SP(Di|S）称为后验概率，表示在患者症状）称为后验概率，表示在患者症状S S出现时出现时,患疾患疾病病DiDi的可能性。的可能性。贝叶斯定理贝叶斯定理 对于两个或更多个症状存在的情况，仍可用贝叶斯对于两个或更多个症状存在的情况，仍可用贝叶斯(Bay(Bayeses)公式计算。在各个症状彼此独立前提下，则各个症公式计算。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，贝叶斯此假设各症状互相独立，贝叶
13、斯(Bayes(Bayes)公式可写为：公式可写为：在运用贝叶斯模型时须要注意的问题在运用贝叶斯模型时须要注意的问题 模型中模型中j j种疾病互斥，先验概率之和要为种疾病互斥，先验概率之和要为l(l(即要构成即要构成一个完整的疾病群一个完整的疾病群).).先验概率的确定。参考文献报道和历史资料统计频先验概率的确定。参考文献报道和历史资料统计频率作为近似估计。率作为近似估计。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。独立无关的。当计算出各后验概率当计算出各后验概率P(Hj|AP(Hj|A)后，作为临床判断的依后，作为临床判断的依据只有当据
14、只有当P(Hj|A)(jP(Hj|A)(jl l，2 2，,n),n)间差距达五倍以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上时方可下结论，或是当某一后验概率值达0 08585才才下结论。下结论。2 2）应用举例）应用举例 如对某地区如对某地区12071207位阑尾炎患者的资料统计为下表。按慢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、体征及体检结腹痛开始部位、恶心呕吐、大便、体温、体征及体检结果果)。若已知慢性阑尾炎若已知慢性阑尾炎H1H1、急性阑尾炎、急性
15、阑尾炎H2H2、阑尾炎穿孔、阑尾炎穿孔H3H3发生的先验发生的先验概率分别为：概率分别为：P(H1)P(H1)0.391 P(H2)0.391 P(H2)0.493 P(H3)0.493 P(H3)0.1160.116 现有一阑尾炎患者、开始上腹痛，之后呕吐，腹泻，人院体温现有一阑尾炎患者、开始上腹痛，之后呕吐，腹泻，人院体温3737全身腹肌紧张，压痛，全身腹肌紧张，压痛，WBC(WBC(白细胞白细胞)数达数达1935019350。显然其症侯显然其症侯为为B BB B1313B B2323B B3333B B4242B B5151B B6161B B73 73,则则其其P(Hj|B)(jP(H
16、j|B)(jl l，2 2，3 3，4)4)的大小可通过公式算得。的大小可通过公式算得。其中，其中，P(B|HjP(B|Hj)P(P(B B1313B B2323B B3333B B4242B B5151B B6161B B7373|Hj|Hj)P(P(B B1313|Hj|Hj)P()P(B B2323|Hj|Hj)P()P(B B3333|Hj|Hj)P()P(B B4242|Hj|Hj)P()P(B B5151|Hj|Hj)P()P(B B6161|Hj|Hj)P()P(B B7373|Hj|Hj)(j=l(j=l，2 2，3)3)P(B|H1)P(B|H1)9 945451010-8-
17、8 P(H1)P(B|H1)P(H1)P(B|H1)0 03513519 94545 10 10-8-8 3 3695695 10 10-8-8 同理同理P(H2)P(H2)P(B|H2)=5.53 P(B|H2)=5.53 10 10-5-5 P(H3)P(H3)P(B|H3)=1.136 P(B|H3)=1.136 10 10-4-4得：P(H1|B)=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
18、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 2、决策树与决策分析、决策树与决策分析 启发式推理形成树型决策树启发式推理形成树型决策树 决策树（决策树（decision treedecision tree）是一种能够有效地表达复杂）是一种能够有效地表达复杂决策问题的数学模型决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
19、一些决策树由一些决策点、机会点和决策枝、机会枝决策点、机会点和决策枝、机会枝组成。组成。一般用圆圈一般用圆圈“”表示机会点，发生的结果不在医师的控表示机会点，发生的结果不在医师的控制之下；制之下；小方框小方框“”表示决策点，在决策点，医师必须在几种方表示决策点，在决策点，医师必须在几种方案中选取一种；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会枝.举例：决策树的应用：举例：决策树的应用：最可能患胰腺癌者包括最可能患胰腺癌者包括4040岁以上，中腹部疼痛持续岁以上，中腹部疼痛持续1 13 3周的人。假设这类人中胰腺癌的发
20、生率为周的人。假设这类人中胰腺癌的发生率为1.21.2。如。如有一种不冒什么风险的早期诊断方法对胰腺癌的检出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率为8080（敏感度），但对有类似症状的非胰腺癌患（敏感度），但对有类似症状的非胰腺癌患者的假阳性率为者的假阳性率为5 5，用此法诊断确诊的胰腺癌患者手，用此法诊断确诊的胰腺癌患者手术死亡率为术死亡率为1010，治愈率为，治愈率为4545。根据上述疾病概率，诊断概率和死亡、治愈概率，如根据上述疾病概率，诊断概率和死亡、治愈概率，如对对10001000人进行诊断、治疗，其所获得的益处，是否比人进行诊断、治疗，其所获得的益处，是否比不进行诊断
21、检查和手术更大？可以用一个决策树（下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。图）进行分析比较。由由JC Sisson等人的一个关于胰腺癌的决策树模型等人的一个关于胰腺癌的决策树模型3.3.人工智能和专家系统技术人工智能和专家系统技术 人工智能是用机器来模拟推理人工智能是用机器来模拟推理,学习与联想的学习与联想的功能。功能。专家系统是指运用一个或多个专家提供的特殊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领域知识进行推理和判断,以求解那些需要专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
22、解决困难问题的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，并藉由经验法则的应用，产生所需的家知识库咨询，并藉由经验法则的应用，产生所需的答案答案 专家系统是一种具逻辑性推理能力，以其储存某特定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领域或专家知识来解决现实问题的计算机系统专专家系统统的优优点 具有高度的针对性：具有高度的针对性：具有启发性：具有启发性：透明
23、性：透明性：灵活性：灵活性：专专家系统统的组组成（1 1）知识库）知识库 细菌感染病治疗专家系统细菌感染病治疗专家系统MYCIN MYCIN 的一条规则如下的一条规则如下:如果如果:1)1)有机体的本性不知道有机体的本性不知道,且且2)2)有机体的染色是革兰氏阴性有机体的染色是革兰氏阴性,且且3)3)有机体的形态是杆状的有机体的形态是杆状的,且且4)4)有机体的需氧性是需氧的有机体的需氧性是需氧的,则则:存在强有力的启发性证据说明有机体的类别是肠细存在强有力的启发性证据说明有机体的类别是肠细菌科。菌科。专专家系统统的组组成（2 2）数据库）数据库 在医疗专家系统中在医疗专家系统中,数据库中存放
24、的是当前患者的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、病情等姓名、年龄、症状等以及推理而得的结果、病情等。专专家系统统的组组成（3 3）推理机）推理机 在专家系统中在专家系统中,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：专专家系统统的组组成（4 4）知识获取模块）知识获取模块 根据实践结果根据实践结果,发现知识库中不合理或错误的知发现知识库中不合理或错误的知识识(规则规则),),并予以删除。并予以删除。根据实践结果根据实践结果,总结出新知识总结出新知识,并加入知识库中并加入知识库中 。专专家系统统的组组成(5)(5)解释接
25、口解释接口 如如MYCINMYCIN中用户与系统的对答中用户与系统的对答:用户问用户问:你怎么知道培养基是从无菌源取得的你怎么知道培养基是从无菌源取得的?MYCIN MYCIN 答答:RULE 001:RULE 001 和和RULE 002 RULE 002 提供了证据。提供了证据。用户问用户问:RULE 001:RULE 001 是如何触发的是如何触发的?MYCIN MYCIN 答答:已知培养基的无菌性取决于对该培养基进已知培养基的无菌性取决于对该培养基进行检验的方法行检验的方法,并且不知道是否小心地加以操作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所以有很大
26、的可能性证明培养基是从无菌源取得的。专专家系统统的架构构知识库知识获取子系统推理机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国外的开发开发的医学专医学专家系统统 专家系统最成功的实例之一，专家系统最成功的实例之一，是是19761976年美国斯坦福大年美国斯坦福大学肖特列夫（学肖特列夫（ShortliffShortliff）开发的医学专家系统）开发的医学专家系统MYCINMYCIN，这个系统后来被知识工程师视为，这个系统后来被知识工程师视为“专家系统的设计专家系统的设计规范规范”。MYCINMYCIN系统采用产生式规则构建推理系统。系统采用产生式规则构建推理系统。4 4
27、、神经网络和连接系统、神经网络和连接系统 人工神经网络人工神经网络”(ARTIFICIAL NEURAL NETWORK(ARTIFICIAL NEURAL NETWORK，简，简称称A.N.N.)A.N.N.)是在对人脑组织结构和运行机智的认识理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，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。然后才能工作。几个个典型的医学决医学决策支持系统统1 1、MYCIN MYCIN 系统系统 MYCINMYCIN主要用于协助
28、医生诊断脑膜炎一类的细菌感主要用于协助医生诊断脑膜炎一类的细菌感染疾病。在染疾病。在MYCINMYCIN的知识库里，大约存放着的知识库里，大约存放着450450条判条判别规则和别规则和10001000条关于细菌感染方面的医学知识。它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。一边与用户进行对话，一边进行推理诊断。它的推理规则称为它的推理规则称为“产生式规则产生式规则”，类似于：，类似于：“IFIF（打喷嚏）（打喷嚏）OROR（鼻塞）（鼻塞）OROR（咳嗽），（咳嗽），THENTHEN（有感冒（有感冒症状）症状）”这种医生诊断疾病的经验总结，最后显示这种医生诊断疾病的经
29、验总结，最后显示出它出它“考虑考虑”的可能性最高的病因，并以给出用药的可能性最高的病因，并以给出用药的建议而结束的建议而结束2 INTERNIST-1 2 INTERNIST-1 和和QMRQMR系统系统 INTERNIST-1INTERNIST-1系统是由系统是由PittsburgPittsburg医科大学开发的用于内科医科大学开发的用于内科疾病诊断咨询系统。疾病诊断咨询系统。通过疾病症状来推理疾病。收集了通过疾病症状来推理疾病。收集了600600多种疾病的诊断知多种疾病的诊断知识，识，45004500多临床表现。多临床表现。给出诊断疾病的相关参数：给出诊断疾病的相关参数：相关频率：在某种疾
30、病中某临床症状发生的频率。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。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。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，称移植到微机上，称QRM(Quick Medical Reference)QRM(Quick Medical Reference)3 3、HELPHELP系统系统(Health Evaluation through Logical Processing(Health Evaluation through Logical Processing）由犹他洲盐湖
31、城的由犹他洲盐湖城的Latter Days SantsLatter Days Sants(LDS)(LDS)医院开发医院开发,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的例子。它是一个半主动系统,每次病历更新都会激活决每次病历更新都会激活决策支持模块。策支持模块。帮助医护人员分析解释处理临床数据。帮助医护人员分析解释处理临床数据。呼吸系统疾病呼吸系统疾病 实验检查异常结果判断实验检查异常结果判断 传染病监控传染病监控 用药合理性检查用药合理性检查HELPHELP系统的处方控制系统的处方控制改变处方？改变处方？登录主诉并改登录主诉并改变变分发和评分发和评价价yes医学医学知识知识库库数据驱动数据驱动的的HELP系系统统药物合适？药物合适？医疗药物医嘱医疗药物医嘱护士输入护士输入药剂师输入药剂师输入历史过敏史等历史过敏史等病人病人数据数据库库接触医生接触医生yesnoyesno谢谢聆听
