医学信息学chapter医学决策支持系统.ppt

单击此处编辑母版文本样式,第二层,第三层,第四层,第五层,单击此处编辑母版标题样式,*,单击此处编辑母版文本样式,第二层,第三层,第四层,第五层,单击此处编辑母版标题样式,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,医学信息学chapter医学决策支持系统,医学信息学chapter医学决策支持系统医学信息学chapter医学决策支持系统考试安排时间：12月27日17周五 上午10：20-11：50,地点：,闭卷,考试安排,时间：,12,月,27,日,17,周五,上午,10,：,20-11,：,50,地点：,闭卷,答疑安排,答疑时间：,12,月,13,号,12,月,26,号,地点：主楼西,301,主要内容,人工智能,医学决策支持系统的研究状况及开展趋势,医学决策支持系统概述,医学知识库,医学决策支持方法,人工智能,1937年，阿兰.图林?论可计算数及其在判定问题中的应用?，说明现代电脑原理的开山之作,1959年，美国工程师塞缪尔给电脑编制出奕棋程序.该程序击败了塞缪尔本人，1962年又击败了一个州冠军。,1965年，在斯坦福大学化学专家的配合下，费根鲍姆研制的第一个专家系统DENDRAL。在输入化学分子式和质谱图等信息后，它能通过分析推理决定有机化合物的分子构造,1976年6月，美国数学家阿佩尔与哈肯借助两台电子计算机，用人工智能，花了1200个小时，作了100亿次判断，终于完成了困扰数学界长达100余年之久的难题“四色定理。,1997年5月11日，“深蓝 在棋盘C4处落下最后一颗棋子，全世界都听到了震撼世纪的叫杀声“将军！这场举世瞩目的“人机大战，终于以机器获胜的结局降下了帏幕。卡斯帕洛夫 被逼下了棋王宝座。,广义的讲：用计算机来表示和执行人类的智能活动，就是人工智能。,定义1智能机器：能够在各类环境中自主地或交互地执行各种拟人任务的机器称为人工智能。,定义2能力：人工智能能力是智能机器所执行的通常与人类智能有关的功能，如判断、推理、证明、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活动。,人工智能的定义,人工智能的定义,总之：人工智能也称为机器智能，就是让机器更“聪明，更具有类似人的智能，同时又与人的智能互为补充、互相促进。,人工智能的任务,但凡使机器能具有感知功能如视、听、嗅、思维功能如分析、综合、计算、推理、联想、判断、规划、决策、表达行动功能如说、写、画及学习记忆等功能，都属于人工智能研究的范畴。,人工智能的应用领域,1.,问题求解,2.,逻辑与定理证明,3.,自然语言理解,4.,自动程序设计,5.,专家系统,6.,机器学习,7.,人工神经网络,8.,模式识别,深蓝-国际象棋-卡斯帕假设夫,四色猜测(1976),语音录入,翻译系统,机器人控制,仿脑,汉王,人工智能的应用领域,9.,机器视觉,10.,智能控制,11.,智能决策支持系统,12.,知识发现和数据挖掘,13.,智能检索,14.,智能调度与指挥,15.,系统与工具语言,照相机、飞行器跟踪,控制论,Google,.,交通、军事,分布式系统、并行处理系统、多机协作系统,面向对象编程语言,医生对疾病的诊断还处于一种传统的经历阶段,医学生助理医生主治医生主任医生医学专家,浩如烟海的医学数据库,医学数据库-知识库？,人工智能与知识工程的开展为医学诊断和治疗过程注入了新的活力,医学人工智能，医学决策支持系统,医学决策支持系统的概念,医学决策支持系统(Medical decision support system,MDSS)是医学知识工程和医学人工智能研究中非常活泼的分支，是运用专家系统的设计原理与方法，模拟医学专家诊断、治疗疾病的思维过程而编制的计算机程序。它的设计目的是帮助医生解决复杂的医学问题，作为诊断、治疗以及预后的辅助工具。,知识工程,人工智能,医学,医学决策支持系统,医学决策支持系统的功能和作用,临床医生的知识更新无法与急剧增长的医学知识同步。,对大批量的常规决策工作，自动化决策效率更高(如大量的常规实验室检测和数据分析等)。,人有时会犯错误或失误，当然医生也不例外(复杂病例和常见病例都会出错),使用医学决策支持系统，可以提醒专家没在意的或没有发现到的病人信息，从而提高诊断准确性,对医学院学生，成熟专业的医学支持系统可能是他们学习专业知识和专家经历的方便可得的廉价的教师，同时也是他们初入医院实习工作的非常好的助手。,国外医学决策支持系统的研究状况,1976年，斯坦福大学的Shortliffe等人成功研制了MYCIN系统,用于鉴别细菌感染及治疗的医学专家系统，并且建立了一整套专家系统的开发理论，经专家小组对医学专家、实习医生以及MYCIN系统的行为进展正式测试评价，认为MYCIN的行为超过了临床医生助手的作用，尤其在诊断和治疗菌血症和脑膜炎方面有相当高的准确率,此后，医学专家系统进入了快速开展时期。,在MYCIN系统框架根底上建立的肺功能专家系统PUFF系统曾在旧金山太平洋医疗中心使用过相当长的一段时间，开创了医学专家系统临床应用的先例。,1982年，匹兹堡大学的Miller等人开发了Internist-I内科计算机辅助诊断系统,1991年，哈佛医学院Barnett等人开发的“DXPLAIN软件包含有2200种疾病和5000种病症,我国医学决策支持系统的研究状况,1978年，北京中医院著名教授关幼波等人开发了“关幼波肝病诊疗程序，开创了我国最早的中医医学专家系统,精神疾病诊断系统、肺癌诊断系统、贫血鉴别诊断专家系统、心功能辅助诊断专家系统、胃病诊断专家系统、针灸专家系统以及疾病诊疗用药专家系统等多种专家系统,现有医学决策支持系统的特点,规模小,内容比较简单,研究方法单一，没有进展深入研究,临床实用性差,医生看病的自然过程,临床医生给病人看病的过程实际上是一个对病人信息进展综合分析处理的过程，这个过程包括三个阶段：观察、诊断和治疗,获取数据,推理过程,问题求解及处理,医学决策支持系统对医生看病的模拟过程,从工程的角度来看医生看病的自然过程，观察阶段的主要任务是获取数据，更确切地说，是获取能提供相关信息的数据，对病人相关信息理解和挖掘得越充分，关于病人疾病的不确定性就会越小。,医生根据病人描述的信息和他所掌握的知识和经历作诊断结论的过程实质上是一个推理过程，,而治疗那么是一个问题求解及处理的过程。治疗阶段依赖于诊断和决策分析，而诊断决策分析的准确性那么取决于观察阶段的信息获取程度。,医学决策支持系统的一般构造:,医书、医生大脑中的知识、规则和操作,医生的大脑，推理、判断,初始数据、中间推理数据和诊断结果,医生向病人作解释,医学决策支持系统与大多数其它领域专家系统一样，一般由五部份组成：,医学知识库。是医学决策支持系统的根底，用于存放各种专家诊断知识，包括医学事实和可行的操作与诊断规那么等。,全局数据库。用于存放病人的初始数据、中间推理数据和诊断结果甚至一些对结果的诊断处理等。,推理机。推理机根据全局数据库的当前内容，从知识库中选择可匹配的规那么，并通过执行规那么来修改数据库中的内容，再通过不断地推理导出问题的结论。,解释器。负责对推理过程作出解释，包括解释“系统是怎么样得出这一诊断结论的等用户需要解释的问题。,人机接口。人机接口是系统与用户进展对话的界面。,医学决策支持系统和临床医生的关系,在医学人工智能中，虽然医学决策支持系统能够比较好地模拟医生的自然行为，实践证明在某些方面还有可能超过专家的能力，但是这仅仅限于医学诊断过程中的可构造化、可一般化和可客观化局部。使用计算机作医学决策支持时，绝不允许用计算机取代人类临床医生对诊断的负责，而且在实际生活中计算机也绝对取代不了临床医生的作用。,多数情况下，临床医生在拥有足够的知识和充分的病人资料情况下可以作出正确的判断，不需要计算机协助，但在以下情况下，医学决策支持系统就会显示其强大功能和作用。,MDSS,和临床医生的关系,人有时会犯错误或失误，当然医生也不例外复杂病例和常见病例都会出错，使用医学决策支持系统，可以提醒专家没在意的或没有发现到的病人信息，从而提高诊断准确性。,临床医生的知识更新无法与急剧增长的医学知识同步。当医学领域发现新病例、新成果时，计算机支持系统可以低本钱、高效率和方便快捷地传播给广阔医生。,对大批量的常规决策工作，自动化决策效率更高如大量的常规实验室检测和数据分析等。,现代医院信息系统产生出的大量数据的深挖掘。,对医学院学生，成熟的专业的医学支持系统可能是他们学习专业知识和专家经历的方便可得的廉价的教师，同时也是他们初入医院实习工作的非常好的助手。,医学决策支持系统的两个最关键局部,医学知识库,知识表示,知识获取,知识的管理和维护,推理机医学决策支持方法,规那么推理,概率推理,案例推理,(1),医学知识库,人之所以有智能行为是因为他们拥有知识，拥有对知识的获取、表达、搜索、分析、解答等智能能力。,医学决策支持系统智能水平的上下在于系统拥有知识的数量和质量，医学知识的获取是医学决策支持系统中最重要也是最困难的一步，E.A.Feigenbaum说：“知识获取是人工智能研究的中心问题中最重要的，是人工智能研究的关键性难关。,智能知识的表现方式,知识的获取能力：通过感知器官，在观察、测量、训练、操作等实践中，获取直接经历的积累或感性知识，以及在学习、阅读、交谈等过程中，获取间接经历知识或理性知识。,知识的处理能力：将感性知识上升为理性知识，进展演绎推理与归纳推理，通过知识的积累、存储、联想、类比、分析、计算、论证、比较、探索、择优等信息处理过程，求得问题的解答，指定规划与决策。,知识的运用能力：运用所获得的知识，通过知识信息处理，根据所求得的问题解答或所制订的规划决策作出反响，采取行动，发挥知识的效用，如答复咨询、诊断疾病、操纵机器等。,知识的特性,1、知识的相对正确性,任何知识都是在一定环境下相对正确的，而非绝对正确。,2、知识的不确定性,信息可能是准确的，也可能是不准确的。,3、知识的可表示性,知识是可以用形式化的东西表示的，如语言、文字、图表、公式、数字等。,4、知识的可利用性,由于我们可以利用知识解决各种问题，因此，我们可以积累知识。,知识的分类,1、以知识的作用范围来划分：,常识性知识,领域性知识,2、按人类的思维及认识方法来划分：,逻辑性知识,形象性知识,3、以知识确实定性来划分：,确定性知识,不确定性知识,4、按知识的作用及表示来划分：,事实性知识,规那么性知识,控制性知识,例：对于从北京到上海，是乘飞机还是火车的问题，其知识可归纳为：,1、表达型知识：北京、上海、飞机、火车、时间、费用等；,2、过程型知识：乘飞机、坐火车等；,3、控制型知识：乘飞机较快、较贵；坐火车较慢、较廉价。,常用的知识表示法,无论是医学科技文献中的科学知识还是临床医生的经历性知识，它们通常是用自然语言、图形、表格等形式表示的,在用人工智能方法模拟医学过程时，必须将这些形式的知识用适宜的形式来表示，这样才能使知识方便地在计算机中储存、检索、使用和修改，并且在设计和实现医学决策支持时，知识的表示方法与医学问题的求解方法和过程密切相关。,产生式表示法,(IF-THEN),逻辑表示,(,谓词逻辑,),语义网络,框架理论,状态空间,面向对象的知识表示,过程表示法,模糊表示,神经网络,产生式系统知识表示法,产生式系统是历史悠久且使用最多的知识表示系统,人工智能中的推理很多是建立在直观经历根底上的不准确推理，而产生式在表示和运用不准确知识方面具有灵活性，因此许多专家系统采用产生式系统为体系构造。,一个产生式系统由以下3局部组成：,一个总数据库:含有与具体任务有关的信息,一套规那么:对数据库进展操作运算。每条规那么由左右两局部组成，左部鉴别规那么的适用性或先决条件，右部描述规那么应用时所完成的动作。,一个控制策略:确定应该采用哪一条适用规那么,当数据库的终止条件满足时，就停顿计算。,产生式的根本形式,有两种：,P,Q,或者：,IF P THEN Q,其中：,P,是产生式的前提，用于指出该产生式是否是可用条件；,Q,是一组结论或操作，用于指出前提,P,所指出的条件被满足时，应该得到的结论或应该执行的操作。,产生式的根本形式,1、确定性规那么知识的产生式表示形式为：,PQ,或者：IF P THEN Q,例:,IF 收缩压140 THEN 高血压,产生式的根本形式,2、不确定性规那么知识的产生式表示形式为：PQ可信度,或者：IF P THEN Q 可信度,例:,IF 流鼻涕 THEN 感冒(0.6),产生式的根本形式,3、确定性事实性知识的产生式表示一般使用三元组表示：,对象，属性，值,或者：关系，对象1，对象2,如：事实“老李年龄是40岁可表示为：,Li，Age，40,Li是对象，Age是属性，40是值。,如“老李、老张是朋友可写成：,Friend，Li，Zhang,Friend是关系，Li和Zhang是对象,产生式的根本形式,4、不确定性事实性知识的产生式表示一般使用四元组表示：,对象，属性，值，可信度,或者：关系，对象1，对象2，可信度,如：事实“老李年龄可能是40岁可表示为：,Li，Age，40，0.8,Li是对象，Age是属性，40是值。,如“老李、老张是朋友的可能性不大可写成：,Friend，Li，Zhang，0.1,Friend是关系，Li和Zhang是对象,产生式系统的组成,一个典型的产生式系统由：,1)、规那么库,2)、工作存储器综合数据库,3)、控制器推理机,规则推理机,规则库,综合数据库,规那么库,目前，产生式系统已经演变成：“IF条件THEN动作或结论,例1：IF 天阴 and 空气中湿度很大 THEN 可能要下雨；,例2：IF 一种可燃性气体溢出了 THEN 报告消防队；,MYCIN决策支持系统,MYCIN系统是由斯坦福(Stanford)大学建立的对细菌感染疾病的诊断和治疗提供咨询的计算机咨询专家系统。医生向系统输入病人信息，MYCIN系统对之进展诊断，并提出处方。,IF,1 感染属于原发性菌血症,2 菌体的培养点是无菌点,3 细菌的侵入门户是胃肠,THEN,菌体是一种拟杆菌置信度：0.7,MYCIN,静态数据库,MYCIN有一个静态数据库包括所有的产生式规那么以及所有的咨询程序所需的信息。每一类上下文、规那么、参数都有假设干特性来充分地描述它们。这些特性都储存在静态数据库中。这样的静态数据库也就是专家系统的知识库。,每个规那么都有四个存储在静态数据库中的特性：,医学知识的获取,获取过程,抽取知识,知识转换,知识输入,知识检测,知识求精,获取医学知识的方式,知识工程师和医学专家之间密切合作,医学知识获取的工具骨架系统,自动知识获取,知识工程师和医学专家之间密切合作获取知识,优点：,1,直接,2,系统性强,缺点,：,1,劳动量大,2,知识的来源有限,3,知识领域狭窄,4,手工形式记录、易出错,5,效率低,著名的骨架系统,1 TEIRESIAS系统,2 OPAL系统,3 PROTG系列,4 INTERNIST-I/QMR系统,5 KAVAS知识提取系统,优点 应用了知识工程领域和计算机领域及网络技术中比较新的方法和技术，知识用面向对象等方式表示,缺点 知识工程师与医学专家之间的鸿沟、知识表示是否适当？,自动知识获取,(,自学习,),智能水平的上下在于系统拥有知识的数量和质量,传统的、通过知识工程师获取知识的方法不能完全满足需求,自动获取知识成为的新的研究目标,知识的管理和维护,方便,添加、删除和修改诊断知识,浏览各种对象和属性等管理维护工作,对象类,知识对象索引表,(2)医学决策支持方法推理机,推理机是指基于知识的推理的计算机实现,包括推理与控制两方面,在推理过程中解释和执行用某种语言表示的一系列推理规那么,推理方式,正向推理与反向推理,确定性推理与不确定推理,正向推理与反向推理,正向推理:是以事实作为出发点的推理，又称为数据驱动推理。正向推理从病人数据库中提供的主诉及实验室检查等事实出发，检查知识库中是否存在可用于对这些数据进展推理的规那么。如果存在可用规那么，就执行这些规那么，推理的结果被添加到数据集中，如果后面的规那么依赖于这些新的推理数据，那么后面的规那么将被激活,反向推理:推理机制是从知识库中选择规那么开场，随后检查病人数据库中是否有可供推论的数据。推理机制实际上是从单一规那么目标规那么开场的，然后依据的病人数据评估该目标规那么的前提是否为真。如果没有数据可以证实这一规那么的前提为真，反向推理器就到知识库中寻找其他规那么。如果其中一个规那么为真，系统就会得出结论：此目标规那么的前提为真。这种目标驱动的推理过程反复进展，直到证实目标规那么为假，或者目标的所有前提都为真。,确定性推理与不确定推理,在医学中我们常常会遇到不严格、不准确的、模糊的知识,1基于概率的不确定推理:用事件发生的概率来描述和计算推理的不确定性测度,2基于可信度的不确定推理:用信任度表示证据出现时对结论成立的信任程度。信任度的值比较容易通过领域专家给出。设定信任度值的原那么是：假设相应证据能增加结论为真的可信度，那么使信任度大于0，证据越是支持为真，就使值越大；反之小于0，证据越是支持为假，就使绝对值越大；假设证据与结论无关，那么使信任度0。,3基于模糊理论的不确定推理:模糊理论通过隶属度来定义对象属于模糊集合的程度，假设隶属度越接近于1，那么属于模糊集合的程度越大，反之就越小。一般用模糊规那么表示模糊条件和模糊结论及它们之间的可信度因子。,推理机类型,规那么推理,概率推理,案例推理,规那么推理,产生式系统是基于规那么的推理,把有关问题的知识和信息划分为规那么和事实两种类型,规那么：用蕴含形式的表达式来表示,(IF P THEN Q),事实：无蕴含式的表达式来表示,P,画出相应的与/或图，然后 通过规那么进展演绎推理,正向推理,反向推理,实现策略是：,先假定一个可能的目标，系统试图证明它，看此假设目标是否在总数据库中，假设在，那么假设成立。,否那么，看这些假设是否证据结点，假设是，向用户询问，假设不是，那么再假定另一个目标，即找出结论局部中包含此假设的那些规那么，把它们的前提作为新的假设，试图证明它。,这样周而复始，直到所有目标被证明，或所有路径被测试。,首先假定目标q3成立，,由规那么3P3q3，为证明q3成立，须先验证P3是否成立；,但总数据库没有事实P3，所以假定子目标P3成立；,由规那么2(P2P3)，应验证P2；,同样，由于数据库中没有事实P2，假定子目标P2成立；,由规那么1(P1P2)，为验证P2成立，须先验证P1。,因为数据库中有事实P1，所以假定的目标P2成立，因而P3成立，最终导出结论q3确实成立。,逻辑运算符号,符号,名称,结果,And（,逻辑与）,如果,p,与,q,两者都为真，,p,q,为真,否则为假,。,Or（,逻辑或）,如果,p,或,q,两者都为真，,p,q,为真,否则为假,。,Not（,逻辑非）,当且仅当为,p,假时，,p,为真,。,蕴含,规则,p,q:,如果,p,为真，则,q,也为真,;,如果,p,为假，则对,q,没有任何影响,被定义为,xy,表示,x,被定义为,y,的另一个名字,全称量词,存在量词,x:P(x),表示所有的,x,都使,P(x),为真,x:P(x),表示至少有一个,x,使,P(x),为真,概率推理,人们根据不确定的信息做出决定时进展的推理。,常用推理方法:,贝叶斯网络,决策树,案例推理,是人工智能领域中较新崛起的一种重要的基于知识的问题求解和学习方法，,通过重用或修改以前解决相似问题的方案来实现。,案例推理的工作原理,贝叶斯网络,人工神经网络,遗传算法,人工神经网络,人工神经网络是一种应用类似于大脑神经突触联接的构造进展信息处理的数学模型。,神经网络是一种运算模型，由大量的节点或称神经元之间相互联接构成。每个节点代表一种特定的输出函数，称为鼓励函数activation function。,每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。,网络的输出那么依网络的连接方式，权重值和鼓励函数的不同而不同。,神经元节点,思考题,什么是医学决策支持系统？它的目的是什么？,医学决策支持系统的功能和作用有哪些？,从工程角度看，医学决策支持系统如何模拟医生看病的自然过程的?,医学决策支持系统一般由哪几局部构成?,确定性和不确定性规那么知识分别可以用什么的生式表示形式？,获取医学知识的方式有哪些？,推理机类型?,谢谢欣赏,