单位文秘网 2021-08-05 08:10:03 点击: 次
摘要:随着医院信息系统的不断深入,以临床信息为主的信息管理系统逐渐成为医院信息系统建设的主流。利用信息系统在信息管理方面的优势,充分挖掘其信息资源,为临床医、教、研提供深层次资料,是临床管理信息系统中必不可少的一部分。为此本文将人工智能中较为成熟的技术——案例推理引入医疗诊断,对其中的关键技术及功能进行了设计。为提高临床的诊疗水平及经验交流提供了一个有效的方法。
关键词:案例推理;案例库;医疗诊断;相似度
中图分类号:TP301
文献标识码:A
文章编号:1009-3044(2007)01—10018-02
1引言
自二十世纪八十年代我国开始实施医院信息系统以来,至今已经有二十多年的历史了。在这二十年里,各级医疗机构及医疗单位利用计算机技术在合理组织结构、提高工作效率的同时,充分利用信息技术的优势不断优化就诊流程、改善医患关系。目前,许多大中型医院的信息系统(Hospital hffonnation System,HIS)正在由初始阶段的医院管理信息化阶段(Managemant Information Sys-tem,MIS)向临床管理信息化阶段(Clinical Information System,CIS)转型。临床管理信息系统是整个医院信息系统中非常重要的一个部分,它是相对面向管理的信息系统而言的,指以病人信息的采集、存储、展现、处理为中心,为临床医护人员和医技科室的医疗工作服务的信息系统。临床信息系统主要包括:医生工作站系统、护理信息系统、检验信息系统(Laboratory Information System,LIS)、放射信息系统(Radiology Information System,RIS)、手术麻醉信息系统、重症监护信息系统、医学图像管理系统(Picture archive andcommunication system,PACS)等等。这个系统的建成不仅可以为前来就诊的病员建立一个全面的个人健康档案,为后续的局域医疗卫生服务的建立提供宝贵的资料;而且可以积累各种的病例个案,为临床医学的推广及发展提供丰富的知识积累。以往从事临床医学的工作人员,其临床知识的获取以及经验的积累主要来源于书本以及自我在工作实践中的摸索,也有部分是通过行业内的杂志及学术交流。但是在日常工作中如何对未见病例及时做出较为快速、准确的初诊,合理制定诊疗计划,却一直未建立一套科学的实时的临床教学机制。案例推理技术在对以往病例构建特征值、信息描述的基础上,通过对以往病例的检索和复用对新病例提供初步诊断依据,特别是对新进临床的工作人员快速掌握专业技能、获取专家知识提供了有效的方法。
2基于案例推理的模型介绍及工作流程
基于案例推理(CBR)起源于Roger Schank教授的“DynamicMemory”一文,是近年来人工智能中发展较为成熟的领域。它是区别于基于规则的推理的一种推理模式。CBR兴起的主要原因是传统的基于规则的系统在解释异常情况和评价解决方案方面存在诸多缺点,而CBR恰好能解决这些问题(3)。案例推理中的知识表示以旧的案例或经验为基础,通过目标案例的提示信息得到历史记忆中的源案例,并由源案例来指导目标案例。提出问题解决方案,进而评价解决方案、解释异常情况。CBR的优势是能相对容易地同其他方法相结合,另外它采用启发式的方法把一个问题分解成为一个个简单的子问题。由于案例本身是一段带有上下文信息的知识,该知识包含了其达到目标过程中能起关键作用的经验,因此CBR的依据不是某种规则,而是从案例库中搜索与当前问题最相似的案例,然后经过一些合理的修正后。以获得对当前问题的解决方案。图1是基于案例推理的系统工作流程。
3基于案例推理的医疗诊断中关键因素的构建
一个完整的病历不仅包括病员的一些个人信息、以往的诊断记录、病情描述、医嘱信息,而且还包括了其初诊及复诊过程中的所做的各项检查、检验单据,这些都构成了医生确诊及制定治疗方案的依据。但是在病员实际就诊过程中,常常会因疏忽而忘记携带这些就诊记录,从而破坏了诊疗的连续性,为医生确诊及治疗方案的调整带来麻烦。临床信息系统的实施极大地避免了这种现象的发生,为病员就诊建立了一个较为完整的个人就医记录。因此本研究充分利用临床信息系统已有数据资料.在案例模型的建立上,不仅考虑就医记录中的一些结构化信息.而且还将一些描述性信息及影像信息纳入到模型体系中来。
3.1数据元素选取依据
数据的主要来源是临床信息系统中的医生工作站系统、检验信息系统(LIS)、放射信息系统(RIS)、医学图像管理系统(PACS)。按照一个完整病历中所包含的信息,分为数据类元素、非数据类元素。对数据类元素主要选取相关的检验信息,如血常规、尿常规、肝功能等化验项目,非数据类元素的选取主要包括文字信息及影像信息,如病情描述、诊断结果、以及做的各种影像检查描述。
3.2案例的表示
系统中的案例E用三元组E=
由H.Simon的有限理性理论可知,由于主客观因素的限制,这些案例的结果会因病员个体的差异,而采取不同的冶疗方案,对获取这些信息的医生来说很难得到所需的全部信息。因此,对案例发生的必然性很难通过对这些元素全部表现出来,随着证据的逐渐积累,只能得到与此相近的结论,因此还必须结合知识库中的相关知识和经验加以调整,以得到有效的结论。
3.3案例的检索
案例的检索就是将案例库中的案例高速有效的重新获取,找到与新案例描述相似的老案例。常用的检索方法有串行检索和并行检索两种:串行检索采用的是由上至下逐层求精的方式,越往下相似程度越高;并行检索策略就是同时检索多个案例,返回一个相似程度最高的案例。检索技术常用的有近邻法、归纳法、模板检索法。本案例采用二级索引,在粗粒度集上采用模板检索法,通过返回一定参数范围内的范例,来缩小搜索空间;在细粒度上通过对元素问的权重的调整,得到案例相似度的大小,再根据合成技术得出综合值。
案例检索的算法描述:
(1)假设案例库I中有n个案例分别为I1,I2…In;
(2)I←X;//输入新案例到案例库中
(3)for each Ij Training Set do//IJ表示I中的每个案例;
(4)for each Xk I do似k表示案例X的特征信息;
(5)ifkey(Ij)=key(Xk)then
(6)Class(Ij)←Class(X)
(7)Sim[x]←Similarity(Ijm,Xkm),/M=1,2…k;
3.4案例相似度的确定
(1)对数值型属性值的相似度确定:由于各数据值的所属范围、数量级有区别,因此在进行相似度确定以前,首先应对数据作归一化处理,将数值界定在0和1之间。设定Xm为问题案例X的第m个属性;表示案例库I中第j个案例的第m个属性;Wm表示第m个属性的权值。
其中: ;
;表示问题案例X的第m个属性与案例库I中第i个案例的第m个属性的匹配度。
(2)对非数值型(文字)属性值的相似度确定:文字信息的相似度策略对文字信息的相似度的计算,目前主要的技术有通过对文字信息描述中关键词特征、词义特征、句法特征的分析和提取来进行计算。考虑到词义特征及句法特征的复杂性,本系统在相似度计算中仅以关键词特征作为计算依据。就是通过利用两个句子中有效词(动词)来构成向量空间,然后计算两个句子的向量,利用这两个向量夹角的余弦值作为句子相似度。例如任给两个句子Sl和S2,它们的所有有效词构成的向量空间为V={X1X2,X3,…,Xn},其中Xi为有效词。句子S1的向量V1={w1,w2w3…wn},其中为有效词X1在句子S1中出现的次数。句子S2的向量V2={‘P。,‘P2,‘P,,… },其中 为有效词X.在句子S2中出现的次数。则两个句子的相似度为:
3.5推理机制
基于离散逻辑方法的传统推理方法通常寻找单个的最好实例,例如,在案例推理中依经验法则(规则)寻求相对目标案例最接近的案例;笔者采用一定距离范围内的相似案例加权后的合成结果,采用在神经网络里寻找固定数量的近邻的某些算法。这种方法通过使用自组织模式识别来被说明。基于合成技术的案例推理过程如下:
StepI.假设案例库I中有n个案例分别为I1,I2…In;
Step2.I←X(t) //输入新案例到案例库中;
Step3.for each 1.∈Training Set do
//Ii表示I中的每个案例:
Step4.di=d[Ii,X(t)],/根据距离函数计算X(t)与Ii间的距离;
Step5.d←nearest(dj),//寻找与X(t)最接近的j个相邻案例Ij;
Step6.dTOT di//计算权重和;
Step7.Wi=[1-],,决定与此相关的第i个邻居的权重;
Step8.对j个相邻案例中的每个案例Ij找出它的后继案例Ij+l;
Step9. ,//对后继加权求和计算值。
4基于案例推理的医疗诊断系统模块设计
在对以上关键技术构建后,就可以对医疗诊断系统进行设计,通过分析设计的基于案例推理的医疗诊断系统由以下几个大模块组成:(图2)
(1)信息表示模块:用于完成人机交互、问题形成,为案例检索提供必要信息;
(2)案例推理模块:将问题进行分解后,基于过去案例的解决方法,在功能上与当前问题的目标相匹配,对案例库产生作用.检索到合适的案例,并对检索到的案例,根据大量的产生式规则,对检索的案例和当前案例进行相似度匹配;若无案例检索到时,则根据目标趋动原则,由专家库和知识库的内容集约生成相对于目标的最可能结果。
(3)知识维护模块:对专业知识及专家经验结论的查阅和维护:
(4)系统维护模块:主要功能是对相似度值域的修正,指标权重的设置及根据知识对案例表示框架的更新。
5结论
在医院信息系统的实施过程中,如何有效地利用数据,以提高整个医院的诊疗水平,为医、教、研工作更上一个新台阶,是提高信息系统有用性的一个重要方面。笔者以临床医疗数据为基础,将案例推理技术引入到医疗诊断的研学过程,在对过去病例的分析基础上,通过发现新病例与病案库中病例的相似之处,为临床工作者解决工作中遇到的疑难问题提供治疗参考并提供了一个互相学习的平台。
作者构建的系统在利用数据及文字进行病案检索及病历学习中得到了较为满意的效果,但是目前系统尚未涉及到对影像资料的检索及配比.对其如何建立有效、快速的匹配算法并未作讨论,这也将是后续的研究目标,同时本文只初步建立了系统的框架结构,系统在功能上还需要不断细分、扩展和完善。
注:本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。
(责任编辑:单位文秘网) )地址:https://www.kgf8887.com/show-223-80363-1.html
版权声明:
本站由单位文秘网原创策划制作,欢迎订阅或转载,但请注明出处。违者必究。单位文秘网独家运营 版权所有 未经许可不得转载使用