医学决策支持系统(ppt 70页)

1、医学决策支持系统(医学专家系统) (Medcial decision support system,medical expert system),上机安排,时间：11月28号（星期一）下午2:30-5:30 地点：主楼西206,复习答疑安排,复习时间：12月5号（15周星期一）下午7-8节 地点：二教508 答疑时间：12月6号12月9号 地点：主楼西301,考试安排,时间：12月12日16周周一 下午2：30-4：30 地点：第二教学樓104 闭卷,主要内容,人工智能 医学决策支持系统的研究状况及发展趋势 医学决策支持系统概述 医学知识库 医学决策支持方法 MYCIN系统简介,医生对疾病的诊

2、断还处于一种传统的经验阶段 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发展为医学诊断和治疗过程注入了新的活力,人工智能,1937年，图林论可计算数及其在判定问题中的应用，阐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结构,1976年6月，美国伊利诺斯大学的两台不同的电子计算机上，用了1200

3、个小时，作了100亿判断，终于完成了困扰数学界长达100余年之久的难题“四色定理”。 1979年10月，美国底特律市举行国际象棋锦标赛，国际象棋大师大卫.处维与美国的电脑棋手“象棋4.9”进行了50个回合的比赛。 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。,人工智能的定义,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

4、（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,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 凡是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

5、识别,深蓝-国际象棋-卡斯帕若夫,四色猜想(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

6、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验的方便可得的廉价的老师，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跃的分支，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。,国外医学决策支持系统的研究状况,

7、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MYCIN，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系统的行为进行正式测试评价，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发展时期。 在MYCIN系统框架基础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

8、 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种症状,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，没有进行深入研究 临床实用性差,医学决策支持系统的发展趋势,与神经网络、遗传算法等推理新方法新技术相结合 与数据库技术相结合：医学专家系统可借鉴

9、数据库关于信息存贮、共享、并发控制和故障恢复技术，对专家系统中的知识库管理、设计以及对大型知识库、共享知识库和分布式知识库提供帮助，改善专家系统的特性，使其规模提高到实用水平 与多媒体技术相结合：文字、图形、图像、影像及声音 与网络技术相结合,特别是在知识库的构建方面,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行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,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

10、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验作诊断结论的过程实质上是一个推理过程，而治疗则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则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结构:,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基础，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则等。 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

11、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则，并通过执行规则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行对话的界面。,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结构化、可一般化和可客观化部分。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

12、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，但在下列情况下，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成本、高效率和方便快捷地传播给广大医生。 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

13、）。 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验的方便可得的廉价的老师，同时也是他们初入医院实习工作的非常好的助手。,医学知识库,医学决策支持系统的两个最关键部分： 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）,知识的概念与含义,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高低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

14、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，获取直接经验的积累或感性知识，以及在学习、阅读、交谈等过程中，获取间接经验知识或理性知识。 知识的处理能力：将感性知识上升为理性知识，进行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应，采取行动，发挥知识的效用，如回答咨询、诊断疾病、操纵机器等。,知识的特性,1、知识的相

15、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 信息可能是精确的，也可能是不精确的。 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、以知识的确定性来划分： 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 规则性知识 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：,

16、1、叙述型知识：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、较便宜。,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验性知识，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合适的形式来表示，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

17、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，早在自动机理论、形式文法和程序语言中得到广泛的应用，产生式系统是用来描述若干个不同的以一个基本概念为基础的系统。,产生式的基本形式,有两种： PQ 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。,产生式的基本形式,1、确定性规则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,产生式的基本形式,2、不确定性规则知识的产生式表示形式

18、为： PQ（可信度） 或者：IF P THEN Q （可信度） 例: IF 流鼻涕 THEN 感冒(0.6),产生式的基本形式,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,产生式的基本形式,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：

19、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)、规则库 2)、工作存储器（综合数据库） 3)、控制器（推理机）,规则库,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；,医学知识的获取,获取过程 抽取知识 知识转换

20、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

21、当？,自动知识获取(自学习),智能水平的高低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,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则 面向对象知识表达的诊断推理过程是一个面向知识库系统的，基于假设产生-假设证实机制的，由高层到底层逐步求精的递推过程,1 正向推理与反向推理,正向推理:是以已知事实作为出发点的推理，又称为数据驱

22、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行推理的规则。如果存在可用规则，就执行这些规则，推理的结果被添加到数据集中，如果后面的规则依赖于这些新的推理数据，那么后面的规则将被激活 反向推理:推理机制是从知识库中选择规则开始，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则（目标规则）开始的，然后依据已知的病人数据评估该目标规则的前提是否为真。如果没有数据可以证实这一规则的前提为真，反向推理器就到知识库中寻找其他规则。如果其中一个规则为真，系统就会得出结论：此目标规则的前提为真。这种目标驱动的推理过程反复进行，直到证

23、实目标规则为假，或者目标的所有前提都为真。,2 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、不精确的、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。设定信任度值的原则是：若相应证据能增加结论为真的可信度，则使信任度大于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；若证据与结论无关，则使信任度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，若隶属度越接近于1，则属于

24、模糊集合的程度越大，反之就越小。一般用模糊规则表示模糊条件和模糊结论及它们之间的可信度因子。,3 机器学习方法,决策树 贝叶斯网络 人工神经网络 遗传算法,4 推理机的搜索策略,盲目搜索方法 深度优先 广度优先 有限深度优先 随机深度优先 启发式的搜索方法 爬山法 最近邻居搜索,MYCIN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系统对之进行诊断，并提出处方。 细菌传感疾病专家在对病情诊断和提出处方时，大致遵循下列4个步骤：(1) 确定病人是否有重要的病菌感染需要治疗。为此，首先要判断所

25、发现的细菌是否引起了疾病。(2) 确定疾病可能是由哪种病菌引起的。(3) 判断哪些药物对抑制这种病菌可能有效。(4) 根据病人的情况，选择最适合的药物。 系统通过和内科医生之间的对话收集关于病人的基本情况，例如临床情况、症状、病历以及详细的实验室观测数据等。系统首先询问一些基本情况。内科医生在回答询问时所输入的信息被用于作出诊断。诊断过程中如需要进一步的信息，系统就会进一步询问医生。一旦可以作出合理的诊断，MYCIN就列出可能的处方，然后在与医生作进一步对话的基础上选择适合于病人的处方。,MYCIN系统由3个子系统组成：咨询子系统，解释子系统和规则获取子系统,静态数据库 动态数据库,咨询开始时

26、，先启动咨询系统，进入人机对话状态。在对话过程中，系统向用户提出必要的问题，进行推理。如果医生对咨询的某些部分有疑问，例如，想知道为什么要向用户询问某个特定的问题，他可暂停咨询，向系统提出问题。这时系统将给予解释，并示范系统所希望回答的例子。然后系统又重新返回到咨询过程。 当结束咨询时，系统自动地转入解释子系统。解释子系统回答用户的问题，并解释推理过程。解释时，系统显示用英语形式表示的规则，并说明为什么需要某种信息，以及如何得到某个结论。这样做的主要目的是为了使医生容易接受系统的结论。 规则获取系统只由建立系统的知识工程师所使用。当发现有规则被遗漏或不完善时，知识工程师可以利用这个系统来增加和

27、修改规则。,MYCIN系统是用INTERLISP语言编写的。初始的系统包含有200条关于细菌血症的规则，可以识别大概50种细菌。以后该系统又经过了扩展和改进，使其可以诊断和治疗脑膜炎。同时又有人以MYCIN的控制机构和数据结构为基础发展了和应用范围无关的系统，称之为EMYCIN(Es sential MYCIN)，即专家系统开发工具。 对MYCIN系统所作的正式鉴定表明在对细菌血症和脑膜炎病人的诊断和选择处方方面，MYCIN系统比传染病方面的专家高明。但到目前为止，系统还不能用于临床，其主要原因是系统缺乏传染病方面的全面知识。,1 咨询子系统,在咨询过程中，MYCIN逐步建立为得出结论所必需的

28、信息，这些信息有关于病人的一般情况、培植的培养物、从培养物中分离的细菌以及已服用的药物等。这些信息分别归类到相应的项目中去，这些项目称为上下文。,上下文树,每种上下文类型都由一组临床参数来描述。例如描述PERSON上下文的参数称为PROPPT，其中包括NAME、AGE和SEX，分别表示姓名、年龄和性别。描述CURCULS的参数称为PROPCUL，其中包括SITE参数，表示培养物取自的部位。描述CURDRGS的参数为PRODGRG，其中包括IDENT参数，表示细菌的类别。,MYCIN应用产生式规则把专家知识表示成一般的IF(条件或前提)和THEN(操作或结论)的形式。 对许多临床参数，MYCIN

29、通常不止计算一个肯定的值而是计算几个可能的值。每一个值都带有一个可信度。这是一个从-1到+1之间的数，用来表示这个临床参数的可信程度。可信度等于1表示这个参数肯定是这个值，可信度为-1表示这个参数肯定不是这个值。可信度或是通过计算得到或是由医生输入。 MYCIN系统使用逆向推理的控制策略。在程序的任何一点，程序的目标都是寻找某一上下文的参数。跟踪的方法是调用所有在其操作部分得出这个参数的规则。开始咨询时，首先把上下文树的根节点具体化为病人-1。然后试图找出这个上下文类型的REGIMEN参数。在MYCIN中只有一条规则可以推论出REGIMEN的值(REGIMEN表示对病人建议的疗法 )，这条规则

30、称之为目标规则。为了求得REGIMEN的值，系统需要跟踪目标规则的前提部分所涉及的参数。医生很可能也不知道这些值，所以需要应用可以推论出这些值的规则。然后，又跟踪这些规则的前提部分中的参数。这样跟踪下去，直到通过医生的回答以及推论可以找到所需的参数为止。,2 静态数据库,MYCIN有一个静态数据库包括所有的产生式规则以及所有的咨询程序所需的信息。每一类上下文、规则、参数都有若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。 每个规则都有四个存储在静态数据库中的特性：,3 函数,用于前提部分的简单函数 专门函数 用于操作部分的函数,用于前提部分的简单

31、函数,MYCIN在它的规则前提部分，应用许多简单函数，这些函数对动态数据库中的关于病人的数值求值，并回答一个真值。每当对一个子句求值时，MYCIN首先检验在子句中所涉及的参数是否已经被跟踪过。如果没有，那么，或者向用户提问，或者推论它的值。然后，系统把函数用于合适的病人数据三元组(对象、属性、值 )。 参数是否已知函数:KNOWN、NOTKNOWN、DEFINITE和NOTDEFINITE 可信度函数:NOTSAME、MIGHTBE、NOTKNOWN、DEFIS、NOTDEFIS、DEFNOT 用于数字值参数的函数。这类函数回答真值。例如，如果病人的年龄超过13，那么(GRET ERP PAT

32、IENT 1 AGE 13)为真，否则为假。,专门函数,MYCIN具有可以查找静态数据库中的知识表的专门函数。这些函数建立可被规则的前提利用的临时数据结构。 例如：SAME CNTXT IDENT (LISTOF(GRID1(VAL 1 CNTXT PORTAL)PATHFLORA)是一个含有专门函数GRID1的子句。GRID1有二个变量：一个是参数，另一个是知识表的名称。这时，参数是由计算得到的，即(VAL1 CNTXT PORTAL)从动态数据库为CNTXT(某种细菌)的入口检索可信度最高的值。这个值用于对知识表PATHFLORA进行检索。这个知识表包含MYCIN系统所已知的，在每个部位可能发现的病原体表。,用于操作部分的函数,用于操作部分的函数有好几种，其中最常用的是CONCLUDE。 CONCLUDE把病人数据三元组连同可信度存入动态数据库，这个可信度是根据前提的可信度以及规则的可信度计算而得到的。如果由于以前的结论，这个三元组已经存在，那么原来的可信度就和新的可信度组合起来。 CONCLUDE函数有5个变量。某一规则的操作部分可能是： (CONCLUDE ORGANISM-2 IDENT SALMONELLA TALLY 0.4) TALLY用于保持前提的可信度。第5个变量是规则的可信度，它表示专家对结论的相信程度。譬如，在某一特定情况下TALLY是0.8，那