临床决策支持系统.ppt

* * * * * * 自然性： 系统采用产生式规则表示知识，符合人类思维模式，直观自然 模块性：产生式规则是规则库中最基本的知识单元，采用统一的ifthen规则表示，易于模块化管理 有效性：能表示确定性知识，不确定性知识，启发性知识，过程性知识 清晰性：产生式规则有固定的格式，便于规划设计，又易于对规则库中的知识进行一致性、完整性检测 求解过程是一个反复匹配—冲突调节—执行的过程，效率慢 不能把具有结构关系的事物间的区别与联系表示出来。 * 很难将不断发表的大量临床研究结果整合到已经存在的数据库中。 一个CDSS能显现其价值，需要证实其的确能够改善临床工作流程或结果。由于不同的CDSS为不同目的设计而成，当前并没有一种普遍使用的标准评估方法，给系统价值评估带来困难。 * 2.强调整体任务建模，如治疗计划、鉴别诊断、外科手术模拟等，由任务模型指导问题解决组件的选择。 3.进一步理解机构行为与临床工作流，促使新一代临床信息系统流畅地整合到医疗实践中。自动决策支持将成为这些新系统的一部分，以不引人注目、透明、且适应患者具体情况的方式融入医生的日常诊疗。 CDSS的发展趋势受决策环境驱动，未来CDSS发展会呈现多样性和丰富性。无论何种形式的CDSS，医生是决策主体，辅助决策时本质，系统只是实现决策支持的载体形式，CDSS的知识自动析取与管理才是未来发展方向和研究的重点。 * CDSS的构建方法 * 贝叶斯网络 CDSS的构建方法 * 产生式规则系统 产生式规则是一种描述形式语言的语法，格式为： IF R THEN S CF [0，1] R 产生式规则前提 S 一组结论或操作 CF Certainty factory 确定性因子或置信度 应用实例：Mycin系统 CDSS的构建方法 * 逻辑条件 逻辑条件作用： 警告麻醉师，患者心率太慢 提醒护士隔离患者 提醒医生确认与患者讨论戒烟问题 存在的问题： 太多的警告和提醒使医生、护士及其他员工麻痹从而忽视这些警告 给一个变量和范围，检查变量是在范围内或外，再根据结果采取措施。 CDSS的构建方法 * 遗传算法 特点：基于非知识库的系统，无需输入知识规则，从患者资料中自主获取信息。 学习过程：借鉴生物进化论，遗传算法将要解决的问题模拟成一个生物进化的 过程，通过复制、交叉、突变等操作产生下一代的解，并逐步淘汰掉适应度函 数值低的解，增加适应度函数值高的解。这样进化N代后就很有可能会进化出 适应度函数值很高的个体。 优点：通过重复处理过程获得适宜答案 缺点：推理过程缺乏透明度 CDSS的构建方法 遗传算法 开始 编码、生成初始群体 对群体中的个体进行 适应度评价 满足算法 终止准则 变异 交叉 选择 终止进化计算输出最优个体并解码 结束 Y N 遗传算法流程图 CDSS的应用与发展 * Mycin专家系统 Internist-1和QMR系统 CDSS应用难题与发展趋势 CDSS的应用与发展 * Mycin专家系统是由斯坦福大学（Stanford University）的Shortliff研制开发的，识别细菌感染并给出治疗建议的专家系统。 Mycin专家系统 构建方法：产生式规则 If 本微生物的染色是革兰阴性； 本微生物的形状呈杆状； 患者是中间宿主； Then 该微生物是铜绿假单胞杆菌，置信度为CF 0.6 CDSS的应用与发展 * Internist-1是一种普通内科诊断计算机咨询系统。 系统通过用户输入患者的临床症状来推理疾病。 Internist-1和QMR系统 评价诊断建议的参数： 相关频数：某种临床表现在一种疾病中出现的频率 提示力度：一种症状在多大程度上能确诊一种疾病 CDSS的应用与发展 * Mycin和Internist-1/QMR系统的优缺点 系统种类 Mycin系统 Internist-1/QMR 优点 自然性、模块性 有效性、清晰性 灵活性 缺点 效率不高、不能有效表达具有结构性的知识产生式专家系统 过分依赖提示强度 和相关频数 CDSS的应用与发展 * 临床应用的困难： 工作流程的整合 无法自动导入HIS中的资料 CDSS应用难题与发展趋势 技术上的挑战： 系统维护 系统评价 CDSS的应用与发展 强调整体任务建模，由任务模型指导问题解决组件的选择 模块化、网络化、随时随地下载组装、适应不同的决策支持需求 流畅地整合到临床工作流，自动决策支持 本体、语义网络技术将在CDSS的知识管理中广泛应用 应用效果评价（询证健康信息学）、伦理与法律问题考虑 未来发展 * 模拟医学决策，让基于指南的诊疗计划更加灵活 * * * * * 人都会犯错，复杂病例和常见病例都会出错。使用医学决策