医疗概率算法决策.ppt

HIS 中的决策支持系统 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 第1节 医学决策支持的基本概念 1、基本概念 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。 2.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。 2节 医学决策支持的基本技术 1 概率方法与决策分析 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，或是当某一后验概率值达0．85才下结论。 应用举例一: 如对某地区1207位阑尾炎思考的资料统计为表3-1。按慢性阑尾炎、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、体征及体检结果)。 若已知慢性阑尾炎H1、急性阑尾炎H2、阑尾炎穿孔H3发生的先验概率分别为： P(H1)＝0.391 P(H2)＝0.493 P(H3)＝0.116 现有一阑尾炎患者、开始上腹痛，之后呕吐，腹泻，人院体温37℃．全身腹肌紧张，压痛，WBC(白细胞)数达19350。 显然其症侯为