贝叶斯公式在医学诊断中的应用概述.ppt

优选文档 概率论与数理统计 概率论与数理统计 优选文档 * * * * * * * * * * * * * * * * 贝叶斯公式在医学诊断中的应用 二连二排九班联合制作 监 制： 幻 灯： T E L： Q Q： 优选文档 * 贝叶斯公式最早发表于1763年, 当时贝叶斯已经去世, 其结果没有受到应有的重视. 现在, 贝叶斯公式以及根据它发展起来的贝叶斯统计已成为机器学习、人工智能、知识发现等领域的重要工具. 后来, 人们才逐渐认识到了这个著名概率公式的重要性. Thomas Bayes (1702-1761) 优选文档 * 定义 设A1, A2, …, An为样本空间Ω的一个划分, 且P(Ai)>0 (i=1,2,…,n), 则对于任何一事件 B ( P(B)>0), 有 该公式是在观察到事件B已发生的条件下, 寻找导致B发生的每个原因的概率. (The definition of Bayes’ formula) (The definition of Bayes’ formula) 优选文档 * 贝叶斯法根据诊断试验的灵敏度、特异度、患病时各 征象出现的情况(条件概率)，结合各种疾病在人群中的比例 (先验概率)，推算出患各种疾病的概率(后验概率)，其算法可 为个体诊断提供依据，其基本思想有助于医学工作者科学地 解释试验结果，提高诊断水平 优选文档 * 灵敏度(sensitivity)又称为真阳性率，即有病者被试验判为患者的概率 特异度(specificity)又称为真阴性率，即无病者被试验判为非患者的概率 一、诊断试验 优选文档 * 二、贝叶斯法在医学诊断中的应用 （一）贝叶斯公式 （二）先验概率对诊断的影响 （三）多个试验联合应用 优选文档 * （一）贝叶斯公式 定义 设D1, D2 ,…, Dn为样本空间Ω的一个划分, 且P( Di )>0 (i=1,2,…,n) (The definition of Bayes’ formula) D1, D2 ,…, Dn 为一组互不相容事件，它们的概率之和为1，可看成需要诊断的一组疾病 P(Di )为先验概率 P(T／Di )为条件概率 P(Di ／T)为后验概率，即：预测值 优选文档 * （二）先验概率对诊断的影响 一般来说每一种诊断试验针对某种疾病的灵敏度、特异度相对固 定，其条件概率不变，患病率的高低或疾病构成情况会影响疾病的诊 断 优选文档 * （三）多个试验联合应用 临床上及筛检研究中常将多个指标联合应用， 以提高诊断的效率 优选文档 * 如某医院收集一年该院乳腺肿块病例，其中纤维腺瘤240例、乳腺 病160例、乳腺癌50例，临床表现如下表。现有一患者肿块表面不 整齐，该如何诊断?若该病人年龄≥40岁，如何诊断? 优选文档 * 仅以肿块表面不整齐单一指标作为标准时，根据贝叶斯公式 计算，该患者患纤维腺瘤的可能性为48％ ，患乳腺病的可能 性是34％ ，患乳腺癌可能性仅为18％ 优选文档 * 如果多个(m)指标相互独立，联合应用多个试验的后验 概率用下式计算： 优选文档 * 优选文档 概率论与数理统计 概率论与数理统计 优选文档 * * * * * * * * * * * * * * * *