医学决策支持系统介绍[80p].pptVIP

第八章 医学决策支持系统 第一节 概述 一、基本概念 决策支持系统:以管理学、运筹学、控制论和行为科学为基础，以计算机技术、仿真技术和信息技术为手段，针对半结构化的决策问题，支持决策活动的具有智能作用的人机系统。 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 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 决策支持基础 统计学 数据仓库 人工智能 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。 二、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。 由于医学中没有严格的规则，所以用得少。 归纳推理： 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。 在以上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。 三、医学决策支持系统的类型 建立目的划分： 更好了解患者状况的系统 试图提供最佳的治疗决策的系统 工作方式划分 被动系统 半自动系统 主动系统 四、医学决策系统的功能 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 五、 医学决策支持的基本方法 （一）贝叶斯公式和决策理论 1）事件及其相互关系 必然事件：在一定条件下必须出观的现象 不可能事件：在一定条件下必然不出现的现象。 随机事件：在一定条件下，可能出现也可能不出现。 “两事件A,B中至少有一个出现”也是一事件，称此事件为A,B的和，记作AUB; 事件“A1,A2,A3,….An中至少有一出现称为Al，A2…An的和，记为Al UA2…Un。 若“n个事件A1,A2,A3,….An都出现也是一事件，则称为A1，A2…，An的交，记作:A1∩A2∩…∩A n。 2）概率与频率 概率:可用一个小于或等于1的正数P(A)来表示事件A出现的可能性,P(A)就称为事件A的概率。 较大的可能性用较大的数字来标志 较小可能性的就用较小的数字来标志 频率:当概率值不易求出时我们往往取频率作为概率的近似值，频率的概念比较简单可以很方便地求出。 3）贝叶斯定理 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 n P(Di|S)=P(Di )×P(S|Di)/∑ P(Di )×P(S|Di) i=1 D1,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。 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)(j＝l，2，…,n)间差距达五倍以上时方可下结论，或是当某一后