CN107463783A - 一种临床决策支持系统和决策方法 - Google Patents

Abstract

本发明公开了一种临床决策支持系统和决策方法，属于医疗人工智能领域。针对现有技术中存在的现有决策为专科方面进行决策，且数据诊断正确率依旧不高，资源共享度差的问题，本发明提供了一种临床决策支持系统和决策方法，包括医学知识库，推理机，解释器，人机交互模块，提供病人和医生的交互平台。医生通过选择症候特征之后，输入到内部推理机，算出患者可能疾病信息及其概率，然后医生用户端刷新出新的待询问症候问题，并将疾病概率通过图表展示给医生，在页面的解释模块会展示可能疾病的解释，它可以实现基层医疗病症的临床决策支持，改善和提高决策水平，数据诊断正确率高。

Description

一种临床决策支持系统和决策方法

技术领域

本发明涉及医疗人工智能领域，更具体地说，涉及一种临床决策支持系统和决策方法。

背景技术

随着社会经济的不断发展，医学模式的转变，人民群众越来越关心自己的身体健康，如何提高我们的健康水平，以及如何保障一个高质量、低成本、低风险的医疗服务是如今日益关注的问题。在临床诊疗中，不管病例是常见或者复杂，医生都有可能对病人的诊断出现失误甚至导致误诊。在临床诊断过程，医生依赖于个人专业知识以及临床经验的积累为病人提供服务。而由于封闭性因素，临床医生的知识无法和不断更新的医学知识同步，需要一个有效的渠道去传播和学习，临床决策支持系统(CDSS)应运而生。

CDSS作为一个人工智能(AI)技术应用到医学科学的研究，体现了智能化的特点。它能够像医生专家一样，根据内部推理机结合医学知识库中的知识，给医生诊断病人过程中提供一些有力的建议或者直接给出诊断的结果。

CDSS运用专家系统的设计原理和方法，模拟医学专家诊断、治疗疾病的思维过程编制的计算机程序，他可以帮助医生解决复杂的医学问题，作为医生诊断、治疗以及预防的辅助工具，同时也有助于医学专家宝贵理论和丰富临床经验的保存、整理和传播，医学知识库的完备性过程。

但是，现有的CDSS任然具有很多的缺陷，如下：

(1)现有的医学专家库是两层模型，对疾病的诊断正确率低；

(2)知识库表示的不确定性；

(3)现有CDSS费用高，无法维护；

(4)难以对海量的数据进行管理；

(5)现有CDSS是单机模式，无法进行交流与资源共享；

(6)现有CDSS大部分是专科的，不能满足正常的临床使用。

现有技术也有相关临床决策支持系统，如中国专利申请，申请号201710188478.5，公开日2017年7月21日，公开了一种临床决策支持系统及方法，包括：数据分析管理平台、结构化循证知识库和智能推理机；数据分析管理平台储存处理病人数据，根据生物标记物检测数据，生成病人的组学变异数据；结构化循证知识库存储临床表型数据、生物标记物检测数据、组学变异数据、药物诊疗研究信息、循证临床注释，构建这些数据之间的关联规则；智能推理机根据病人的临床表型数据及组学变异数据，调用结构化循证知识库生成临床决策参考信息。此发明基于结构化循证知识库，引入组学变异，从基因水平支持临床决策，覆盖DNA、RNA、蛋白质、代谢组及表观组水平变异，通过对组学变异数据分析和循证注释，为临床决策提供参考信息，提高临床决策支持的准确性和参考性，但是此发明依旧对专科方面进行决策，且数据诊断正确率依旧不高，资源共享度差。

发明内容

1.要解决的技术问题

针对现有技术中存在的现有决策为专科方面进行决策，且数据诊断正确率依旧不高，资源共享度差，本发明提供了一种临床决策支持系统和决策方法。它可以实现基层医疗病症的临床决策，改善和提高决策水平，数据诊断正确率高。

2.技术方案

本发明的目的通过以下技术方案实现。

一种临床决策支持系统，包括：

医学知识库，分别为疾病知识库和症候知识库，形成“疾病-症候-特征”三层模型医学知识库；

推理机，它根据当前输入病人的病例信息或者临床数据，结合医学知识库中的知识，推论出或者计算出结果并反馈给人机交互模块，通过人机交互模块交互反馈给医生；

解释器，解释器是对系统决策过程及推理结果做出必要的解释，通过人机交互模块向用户直面理解整个系统和推理结果；

人机交互模块，提供病人和医生的交互平台。

更进一步的，机交互模块包括普通用户端和医生用户端，普通用户端通过人机交互模块进行疾病自诊；医生用户人机交互模块拥有知识管理和决策支持的权限。

更进一步的，所述的疾病知识库为三层模型，包括一层为疾病的具体信息，一层为疾病下对应的症候知识，中间一层为特征知识、频度和特异性。

更进一步的，症候知识库是一个两层模型，一层为对应的症候，一层为是某个症候下的具体特征表现选项，包括咳嗽的频率、严重程度。

更进一步的，还包括知识更新接口，通过外部系统对医学知识库中的知识进行增、删、改、查。

更进一步的，本方案的系统包括数据库系统，包括用户信息数据库，疾病信息数据库和症候信息数据库。

更进一步的，频度在疾病下症候特征属性发生的先验概率知识，分别有0-5等级代表0-1的概率值。

更进一步的，特异性的是症候特征属性对疾病的特异性大小，分别有0-5等级代表0-1的概率值。

一种临床决策方法，其步骤如下：

A、搭建上述所述的临床决策支持系统；

B、建立三层知识库模型；

C、系统接收用户信息，梳理出若干个易感因素，然后从医学知识库中初步在页面反馈出一些可能疾病和常见疾病的症候选项；

D、医生在根据病人的主诉条件结合易感因素，重复迭代选择症候、特征选项进入系统内部推理机制；

E、医生选择一轮症候特征之后，输入到内部推理机，算出患者可能疾病信息及其概率，然后医生用户端刷新出新的待询问症候问题，并将疾病概率通过图表展示给医生，在页面的解释模块会展示可能疾病的解释；

F、医生和病人继续进行交互，根据系统提供的待询问症候列表中添加病人的症候指系统，重复迭代交互过程，帮助医生完成进行临床决策支持过程。

更进一步的，医生通过知识更新接口对医学知识库中的知识进行增、删、改、查，医生通过选择知识更新接口需要更改的疾病知识库，对疾病知识库的疾病知识通过症候、特征选项更新知识，对症候知识库中对症候知识进行更新。

3.有益效果

相比于现有技术，本发明的优点在于：

(1)本方案通过提供一个三层模型机制的知识库对医学知识进行构造，疾病知识库和症候知识库，将二者融合形成了“疾病-症候-特征”三层模型医学知识库，朴素贝叶斯定理为驱动的多症候贝叶斯算法，然后通过症候特征对疾病发生的后验概率进行特异性加权，最后运用感知器的“赏罚概念”，对系统内部推理机制的特异性加权值进行训练、调整，使其朝着实际值逼近，获得的医疗决策准确度更高，支持更加完善；

(2)本方案中医生用户还可以在医学知识库中，创建个性化知识库，根据自己的诊疗特长和临床经验，结合最新的医学科学进展，可以在系统现有的疾病知识库基础上创建属于自己的个性化知识库，进一步提高临床诊疗水平；

(3)高质量、低成本的就医环境，改善我国医疗资源分布不均的情况，协助基层医生进行临床决策，改善和提高决策水平。

附图说明

图1为本发明的支持系统整体结构示意图；

图2是系统控制结构图；

图3是“疾病-症候-特征”三层模型；

图4是临床决策病症流程示意图。

具体实施方式

下面结合说明书附图和具体的实施例，对本发明作详细描述。

实施例1

如图1-3所述，本方案提供了一种临床决策支持系统，包括：

医学知识库，分别为疾病知识库和症候知识库，形成“疾病-症候-特征”三层模型医学知识库；所述的疾病知识库为三层模型，包括一层为疾病的具体信息，一层为疾病下对应的症候知识，中间一层为特征知识、频度和特异性。症候知识库是一个两层模型，一层为对应的症候，一层为是某个症候下的具体特征表现选项，包括咳嗽的频率、严重程度。医学知识库是临床医学支持系统的重要组成部分，是系统做出准确推理的前提，是一个具备结构化、易存储、易操作并且全面的医学知识集群，可以有效地保存医学知识、临床数据和临床经验，为医生或者普通用户提供一个用于交流和学习的平台。频度在疾病下症候特征属性发生的先验概率知识，分别有0-5等级代表0-1的概率值。特异性的是症候特征属性对疾病的特异性大小，分别有0-5等级代表0-1的概率值。症候包括症状、体征、实验室检查、影像学检查以及易感因素等，症候知识库是一个两层模型，是某个症候下的具体特征表现选项，如咳嗽的频率、严重程度等。

我们在构建知识库时，不仅设计疾病及其对应的各种症候特征选项，还赋予疾病一个先验概率。当输入病人的主诉，系统将主诉与症候知识库中的症候和特征匹配，然后内部推理机通过疾病知识库的内容推导出可能所患疾病的概率，供临床医生参考。疾病并不是单单通过一个症候的出现来判断，这个症候表现出来的种种特征选项对疾病诊断是非常重要的，它可以是诊断疾病的依据之一。

如肺结核疾病有咳嗽症候，对于咳嗽这个症候下可以有不同的特征，例如咳嗽的频度、严重程度等，正因为这些症候在不同疾病下的表现是不同的，即增加特征选项这一条，丰富对疾病症候表现的描述。

推理机，它根据当前输入病人的病例信息或者临床数据，结合医学知识库中的知识，推论出或者计算出结果并反馈给人机交互模块，通过人机交互模块交互反馈给医生；推理机是CDSS正常工作的保证，它根据当前输入病人的病例信息或者临床数据，结合医学知识库中的知识，运用它自己特有的规则或者算法(我们采用贝叶斯网络算法)，推论出或者计算出结果并反馈给医生。

解释器，解释器是对系统决策过程及推理结果做出必要的解释，通过人机交互模块向用户直面理解整个系统和推理结果；

人机交互模块，提供病人和医生的交互平台。机交互模块包括普通用户端和医生用户端，普通用户端通过人机交互模块进行疾病自诊；医生用户人机交互模块拥有知识管理和决策支持的权限。普通用户权限：用户在注册个人信息之后就可以使用本系统，系统会根据病人用户的基本信息筛选出疾病诊断中用到的易感因素，易感因素包括如性别(男性常见疾病、女性常见疾病)、年龄(如老年人易得疾病)等等，通过易感因素系统在临床决策支持页面初步筛选出相应的常见症候供医生挑选进行问诊。医生用户权限：利用该项智能化技术，医生可以快速获取患者疾病相关的最有用信息，获得专业化的诊断和鉴别诊断建议，最大程度地避免漏诊或误诊，为患者提供最佳的医疗服务。

还包括知识更新接口，通过外部系统对医学知识库中的知识进行增、删、改、查。知识更新接口：我们的系统为医生提供了知识更新接口，可以通过Web页面直接对医学知识库中的知识进行增、删、改、查。在Web页面选择需要更改的疾病知识库，对疾病知识库中的疾病知识通过症候、特征选项更新知识，这些症候、特征选项属性从MKB中的症候知识库获得。对症候知识库中对症候知识进行更新。

本方案的系统包括数据库系统，数据库设计：我们通过对数据库的需求分析，设计出多个数据库，如用户信息数据库，疾病信息数据库和症候信息数据库等。

用户信息：包括用户的账号、密码、基本信息和权限等；

疾病信息：包括疾病名称、疾病的科室类型、疾病知识、创建者和创建时间等；

症候信息：包括症候名称、症候知识、创建者和创建时间等。

本方案的用户普通用户端和医生用户端可以直接通过网页进行设置，也可以通过客户端进行设置，数据库是由多个表形成的，本实施例采用疾病知识信息表中的description字段存储XML结构的三层疾病知识，症候知识信息表中的description字段存储XML结构的两层症候知识。也可以选用其他合适的结构存储相关知识。

本系统以三层模型知识库为基础，朴素贝叶斯定理为驱动的多症候贝叶斯算法，然后通过症候特征对疾病发生的后验概率进行特异性加权，最后运用感知器的“赏罚概念”，对系统内部推理机制的特异性加权值进行训练、调整，使其朝着实际值逼近。

在整体数据搭建方面，本实施例使用MVC设计模式思想。

其中M指的是Model，即模型层，应用程序的核心，用于系统业务逻辑的处理，接受从视图层数日的用户请求并作出处理，响应返回给视图层。

本系统的业务逻辑层主要包括数据管理、知识库管理、权限管理和决策推理等。

V指的是View，即视图层，系统中视图层获取用户的请求，把系统对用户请求的响应通过Web的形式反馈给用户。本系统的主要面向对象是医生，是按照医生的操作习惯设计的。

C指的是Controller，即控制层，系统控制层主要包括数据存储和功能调用。数据存储包括对数据库、知识库数据的存储；功能有注册登录功能、权限管理功能、知识库录入功能、知识库更改功能和临床决策支持功能等。

疾病知识库录入并更新：可以直接上传本地的XML结构疾病知识，通过该控件的触发函数完成对本地文件的上传，相关数据存储在DiseasesBase表字段中。选择疾病知识，直接对系统中的疾病知识进行增、删、改操作，并保存数据至DiseasesBase表中。关于系统中对XML结构文档的操作，我们可以选用.NET框架下的DOC解析器：XmlDoment类，直接处理数据。也可以选用其他方式进行处理。

症候知识库录入并更新：可以直接上传本地的XML结构症候知识，该控件的触发函数完成对本地文件的上传，相关数据存储在SymptomsBase表字段中。通过选择相关症候，在编辑区域直接对系统中的症候知识进行增、删、改操作，并保持数据至SymptomsBase表中。关于系统中对XML结构文档的操作，我们通过.NET框架下的DOC解析器：XmlDoment类，直接处理数据。也可以选用其他方式进行处理。

本方案中，构建好系统后，可以挑选临床一定数量的病例分别进行三层模型和两层模型的知识提取，对数据进行数据预处理和结果分析，通过对比发现在基于三层模型知识表示形式病例数据分类性能比基于两层模型结果要更好，另外，基于三层模型知识库的系统比两层模型有更高的正确率。

	正确率	误诊率
			三层模型	98％	2％
两层模型	88％	12％

实施例2

本方案的医学知识库中，医生用户还可以创建个性化知识库，根据自己的诊疗特长和临床经验，结合最新的医学科学进展，可以在系统现有的疾病知识库基础上创建属于自己的个性化知识库，进一步提高临床诊疗水平。个性化知识库知识产权属于创建者本人所有，对临床效果应用效果显著的个人知识库。

实施例3

一种临床决策方法，其步骤如下：

A、搭建实施例1或2的临床决策支持系统；

B、建立三层知识库模型；首先是知识获取：我们通过需求分析的结果进行知识发现，从教科书上获得知识源；然后是知识表示：然后通过疾病-症候-特征三层模型来对知识进行表示；知识应用：通过XML数据库与知识库之间的数据映射关系，对知识和数据进行标准化处理，将标准化的知识和数据输入推理机进行推理，完成临床决策；最后是评估系统：我们通过再构建一个疾病-症候两层结构的知识库，以对疾病诊断的正确率高低来对系统进行评估。

C、系统接收用户信息，梳理出若干个易感因素，然后从医学知识库中初步在页面反馈出一些可能疾病和常见疾病的症候选项；

D、医生在根据病人的主诉条件结合易感因素，重复迭代选择症候、特征选项进入系统内部推理机制；

E、医生选择一轮症候特征之后，输入到内部推理机，算出患者可能疾病信息及其概率，然后医生用户端刷新出新的待询问症候问题，并将疾病概率通过图表展示给医生，在页面的解释模块会展示可能疾病的解释；

F、医生和病人继续进行交互，根据系统提供的待询问症候列表中添加病人的症候指系统，重复迭代交互过程，帮助医生完成进行临床决策支持过程。

具体操作中，系统可以将这些基本信息先梳理出几个易感因素，然后从医学知识库中初步在页面反馈出一些可能疾病和常见疾病的症候选项，医生在根据病人的主诉条件结合易感因素，重复迭代选择症候、特征选项进入系统内部推理机制。

在医生选择一轮症候特征之后，页面会一步将症候特征属性输入到我们的内部推理算法，内部推理机算出患者可能疾病信息及其概率，然后页面局部刷新出新的待询问症候问题，并将疾病概率通过图表形象的展示给医生，在页面的解释模块会展示可能疾病的解释。

医生和病人继续进行交互，根据系统提供的待询问症候列表中添加病人的症候指系统，重复迭代交互过程，帮助医生进行临床决策支持过程。

实施例4

如图4所示，是对具体了一个患者进行模型搭建和决策支持，图注：d1,d2,…,dn代表各种不同的疾病；s1,s2,…,sm代表不同疾病下的症候；p1,p2,…,pq代表着症候下不同的特征选项。疾病知识库是一个三层模型，包括疾病信息、症候信息和特征信息；症候知识库是一个两层模型，包括症候信息和特征信息，通过XML这样的一个个的表格构成疾病数据库和症候数据库，再由医生专家录入信息。

在使用中，录入患者信息，症候为鼻塞，特征为急性发作、数小时、一般，最后通过推理机进行推理计算，获得急性上呼吸道感染概率为96％，推送给医生，给予医生决策。

以上示意性地对本发明创造及其实施方式进行了描述，该描述没有限制性，在不背离本发明的精神或者基本特征的情况下，能够以其他的具体形式实现本发明。附图中所示的也只是本发明创造的实施方式之一，实际的结构并不局限于此，权利要求中的任何附图标记不应限制所涉及的权利要求。所以，如果本领域的普通技术人员受其启示，在不脱离本创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本专利的保护范围。此外，“包括”一词不排除其他元件或步骤，在元件前的“一个”一词不排除包括“多个”该元件。产品权利要求中陈述的多个元件也可以由一个元件通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

Claims (10)

1.一种临床决策支持系统，其特征在于，包括：

医学知识库，分别为疾病知识库和症候知识库，形成“疾病-症候-特征”三层模型医学知识库；

推理机，它根据当前输入病人的病例信息或者临床数据，结合医学知识库中的知识，推论出或者计算出结果并反馈给人机交互模块，通过人机交互模块交互反馈给医生；

解释器，解释器是对系统决策过程及推理结果做出必要的解释，通过人机交互模块向用户直面理解整个系统和推理结果；

人机交互模块，提供病人和医生的交互平台。

2.根据权利要求1所述的一种临床决策支持系统，其特征在于，人机交互模块包括普通用户端和医生用户端，普通用户端通过人机交互模块进行疾病自诊；医生用户人机交互模块拥有知识管理和决策支持的权限。

3.根据权利要求1所述的一种临床决策支持系统，其特征在于，所述的疾病知识库为三层模型，包括一层为疾病的具体信息，一层为疾病下对应的症候知识，中间一层为特征知识、频度和特异性。

4.根据权利要求1或3所述的一种临床决策支持系统，其特征在于，症候知识库是一个两层模型，一层为对应的症候，一层为是某个症候下的具体特征表现选项，包括咳嗽的频率、严重程度。

5.根据权利要求1所述的一种临床决策支持系统，其特征在于，还包括知识更新接口，通过外部系统对医学知识库中的知识进行增、删、改和查。

6.根据权利要求1所述的一种临床决策支持系统，其特征在于，本方案的系统包括数据库系统，包括用户信息数据库，疾病信息数据库和症候信息数据库。

7.根据权利要求3所述的一种临床决策支持系统，其特征在于，频度在疾病下症候特征属性发生的先验概率知识，分别有0-5等级代表0-1的概率值。

8.根据权利要求3所述的一种临床决策支持系统，其特征在于，特异性的是症候特征属性对疾病的特异性大小，分别有0-5等级代表0-1的概率值。

9.一种临床决策方法，其步骤如下：

A、搭建权利要求1-8任一所述的临床决策支持系统；

B、建立三层知识库模型；

C、系统接收用户信息，梳理出若干个易感因素，然后从医学知识库中初步在页面反馈出一些可能疾病和常见疾病的症候选项；

D、医生在根据病人的主诉条件结合易感因素，重复迭代选择症候、特征选项进入系统内部推理机制；

E、医生选择一轮症候特征之后，输入到内部推理机，算出患者可能疾病信息及其概率，然后医生用户端刷新出新的待询问症候问题，并将疾病概率通过图表展示给医生，在页面的解释模块会展示可能疾病的解释；

F、医生和病人继续进行交互，根据系统提供的待询问症候列表中添加病人的症候指系统，重复迭代交互过程，帮助医生完成进行临床决策支持过程。

10.根据权利要求9所述的一种临床决策方法，其特征在于，医生通过知识更新接口对医学知识库中的知识进行增、删、改和查，医生通过选择知识更新接口需要更改的疾病知识库，对疾病知识库的疾病知识通过症候、特征选项更新知识，对症候知识库中对症候知识进行更新。