8. HIS中的決策支持系統(tǒng)
醫(yī)院信息系統(tǒng)中的決策支持系統(tǒng)包括醫(yī)學決策支持和管理決策支持。醫(yī)學決策支持主要討論醫(yī)療工作中的計算機輔助決策支持問題，管理決策支持主要討論計算機輔助管理決策問題。兩類決策支持的基本實現方法都是來自于同一類技術——統(tǒng)計學、數據倉庫、人工智能等技術，只不過臨床決策支持偏重于使用人工智能技術，管理決策支持偏重于使用統(tǒng)計學和數據倉庫技術。但是，數據倉庫與人工智能中的知識發(fā)現（自學習）技術本來就是一個問題的兩種名稱。為了方便，我們在醫(yī)學決策支持中介紹人工智能技術，在管理決策支持中介紹數據倉庫技術。
8.1. 醫(yī)學決策支持的基本概念
8.1.1. 基本概念
決策是醫(yī)生的主要工作。理論上，決策包括列出可能的方法或策略、制定決策順序、選擇最合適的解決方案。但是，醫(yī)學決策通常不能夠十分簡單的按照以上流程完成，因為醫(yī)學問題十分復雜，對于一個病人的臨床表現，經常有太多可能的診斷假設；在眾多的診療方法中，僅有幾個方法可用。而醫(yī)學知識幫助醫(yī)生在眾多的選擇中作出判斷。
在計算機應用中，人們很自然地想到使用計算機幫助醫(yī)生進行醫(yī)學決策，這就是醫(yī)學決策支持。自從計算機剛剛誕生不長的時間，人們就開始了計算機用于醫(yī)學決策的研究。從最早的統(tǒng)計學方法，到后來的基于規(guī)則的醫(yī)學專家系統(tǒng)、再后來的神經網技術，人們花費了大量的資金，嘗試了各種技術和算法，試圖解決人類的智能模擬問題，而醫(yī)學又是最合適的研究領域。
8.1.2. 醫(yī)學決策基本過程
要研究醫(yī)學決策支持，首先需要研究醫(yī)學決策的基本過程。決策是醫(yī)生的主要工作。理論上，決策包括列出可能的方法或策略、制定決策順序、選擇最合適的解決方案。但是，醫(yī)學決策通常不能夠十分簡單的按照以上流程完成，因為醫(yī)學問題十分復雜，對于一個病人的臨床表現，經常有太多可能的診斷假設；在眾多的診療方法中，僅有幾個方法可用。而醫(yī)學知識幫助醫(yī)生在眾多的選擇中作出判斷。
臨床推理通常包括三種類型：邏輯推理、歸納推理和啟發(fā)式推理[圖8-1]。
圖8-1. 不同推理類型示意圖
邏輯推理的一般形式是，如果A能夠推出B，B能夠推出C，則A一定能夠推出C。如病人檢查乙肝核心抗體陽性，規(guī)則顯示抗體陽性說明感染了乙肝，則該病人有乙肝感染。在醫(yī)學實踐中，能夠使用這種嚴格的邏輯推理的情況極為罕見，因為醫(yī)學沒有十分嚴格的規(guī)律。如病人轉氨酶高于正常值，而轉氨酶高大多見于甲肝或乙肝，因此病人很可能患甲肝或乙肝。這類分析可以歸入歸納推理。而臨床最多見的是啟發(fā)式推理：在完成一次推理過程以后，得出的初步結論作為第二次循環(huán)推理的前提，這樣循環(huán)推理，逐步求精，最終得出比較準確得的結論。啟發(fā)式推理是一個動態(tài)過程，在臨床診斷過程中可以用診斷反饋循環(huán)圖表示[圖8-2]。
圖8-2. 診斷反饋循環(huán)是診斷逐步求精的過程
圖8-2描述了一個醫(yī)學診斷的反饋式循環(huán)。臨床醫(yī)生通過問診、體格檢查、進行各項檢查、檢驗獲取病人有關疾病的信息，不斷優(yōu)化自己的診斷結論。這是一個逐步求精的過程，它也符合人類一般認識事務的過程。
醫(yī)學決策中的非確定性一直備受關注，正像前面提到的轉氨酶高與甲肝或乙肝關系的例子。涉及轉氨酶高的疾病很多，結合發(fā)生概率，可以列出順序表。
8.2. 醫(yī)學決策支持的基本技術
8.2.1. 概率方法與決策分析
概率方法可以部分解決非確定性問題，其中主要使用貝葉司 (Bayes) 理論。貝葉司可以通過綜合不同臨床表現的概率得出不同疾病診斷的概率。
公式中，Di為第i個疾病，P(Di)為疾病Di的先驗概率（疾病發(fā)生概率），P(S|Di)為疾病Di的癥狀S發(fā)生的概率，P(Di|S)為癥狀S提示疾病Di發(fā)生得概率（后驗概率）。如果存在多個臨床表現，可以計算出對不同診斷的提示強度。
下面給出一個具體的例子[表8-1]。
Di 先驗概率P(Di) P(PRLQ|Di) P(PLLQ|Di)
闌尾炎 0.10 0.80 0.10
輸卵管炎 0.05 0.50 0.50
其他 0.85 0.05 0.05
表8-1. 疾病臨床表現發(fā)生概率表
|
|
資源大小：52.39 KB 
