临床决策支持理论与方法-文档资料.ppt

《临床决策支持理论与方法-文档资料.ppt》由会员分享，可在线阅读，更多相关《临床决策支持理论与方法-文档资料.ppt（79页珍藏版）》请在三一文库上搜索。

1、教学目标,1,2,教学内容,临床决策理论方法,3,什么是临床决策？,4,临床决策 临床数据不完整 治疗结果不确定,1岳超源.决策理论与方法M.北京:科学出版社,2003. 2 Shortliffe EH, Cimino JJ(著),罗述谦(主译).生物医学信息学（第3版）M.北京:科学出版社,2011.,医疗卫生人员常常面临困难的选择,决策 进行选择的行动或行动的结果。 作决策（decision making）即制定决策的过程。,5,5,信息,诊断,治疗,数据,临床医生主要面临哪些决策？,诊断决策： 当患者可能患有某病时，选择什么检验检查来确诊或排除该病？ 当检验结果呈阳性或阴性时，是否能确诊

2、或排除某疾病？,治疗决策： 当治疗结果不确定时，如何选择治疗方案？,观察,决策,计划,病人,拥有足够的知识 充分的病人资料,6,为什么需要计算机辅助？,可作出正确的判断 不需要计算机辅助,需要计算机辅助的情况 人有时会犯错误或失误（复杂病例和常见病例都会出错） 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（如心电图分析） 医疗卫生机构可能要求一些临床项目既提高医疗质量，又降低费用,7,正向关系：疾病症状,反向关系：症状疾病,科学研究 临床观察,诊断决策,机器学习,决策模型 机器推理,特征选择,人类学习与机器学习,特征：体征、症状、测量值和诊断检验结

3、果的统称。 分类：根据对象的特征，将对象归为不同的类。 如把具有某些特征的患者归为“患有某种疾病”。,分类,指导性学习,8,人类学习与机器学习,病人1 疾病A,特征1 特征2 特征3 特征4 ,病人2 疾病B,特征4 特征5 特征6 ,特征排序,训练集 或 学习集,疾病A,特征1 特征3 特征2 特征4 ,疾病B,特征5 特征6 特征4 ,统计学方法等,知道每个病人的疾病、 健康状态及特征,选出各种疾病的最佳判别特征,非指导性学习,9,人类学习与机器学习,病人1,特征1 特征2 特征3 特征4 ,病人2,特征4 特征5 特征6 ,聚类,训练集 或 学习集,疾病A 病人1,3,特征1 特征3 特

4、征2 特征4 ,疾病B 病人2,特征5 特征6 ,病人3,特征1 特征3 特征4 ,不知道什么疾病属于什么病人,发现哪些特征能最好地 代表各种不同疾病,10,诊断过程,面诊、体检,患某病的可能性有多大， 即先验概率或验前概率？,经验或文献,收集更多信息，降低不确定性。 选择哪种检查，敏感度、特异度？,患该病的可能性有多大， 即后验概率或验后概率？,检查结果,11,决策支持模型,1 J.H.van Bemmel, M.A. Musen(主编),包含飞,郑学侃（主译）.医学信息学M.上海:上海科学 技术出版社,2002,12,诊断依据患某种疾病的可能性,描述词汇,很可能,医生使用的描述词汇与对应的

5、概率,可能,不太可能,高概率,低概率,概率,0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0,1 Shortliffe EH, Cimino JJ(著),罗述谦(主译).生物医学信息学（第3版）M.北京:科学出版社,2011.,定量决策方法临床概率估计,概率（p）：把医生对某事件发生的可能性的意见表示为01的一个数字。 PA：事件A发生的概率 PA-或P-A ：事件A不发生的概率 PA =1：事件A必然发生 PA =0：事件A不可能发生 PA+ PA-=1 PA，B或PA&B ：事件A和B同时发生的概率 A和B为独立事件：一个事件出现的概率不影响另一个事件

6、出现的概率，则 PA，B= PA PB PA|B：已知事件B发生，事件A发生的概率，即B发生的条件下A的概率。,13,临床概率估计,例：腿肿的患者中有30%有血栓，则 P血栓|腿肿=0.3,14,患病可能性定量指标患病概率 验前概率：又称前验概率，是指经过面诊和体检，在得到更多信息之前估计出的概率。 验后概率：又称后验概率，是指经过检验或其它方式获取新的信息，对验前概率进行修正而得到的概率。,临床概率估计,主观概率估计 启发式认知经验法则,15,估计验前概率的方法,可用性：我们对一个事件概率的估计依赖于我们记起相似事件的难易,A能够代表B或与B相似的程度,例：腿肿的患者属于患有血栓的患者的概率

7、有多大？,代表性：客体A属于客体B的概率有多大？,锚定和调整：医生对概率作一个初步判断（锚定），然后依据进一步 的信息调整这个估计。,客观概率估计 利用群体或群体的某一亚组中某疾病的患病率或临床预测结果 临床预测规则：对从对有某种特定诊断问题的患者的系统研究发展而来，定义了医生如何综合使用临床现象来估计患病概率。,16,估计验前概率的方法,例：56岁的Troy女士，4个月前心脏病发作，心率异常，在很差的医疗条件下，正准备做择期手术。Troy女士会得心脏病并发症的概率是多少？,依据降低不确定性的程度,17,选择检验,1 Shortliffe EH, Cimino JJ.Biomedical In

8、formatics(Third Edition)M.Springer,2006.,检验结果异常的判定,18,检验结果的22列联表,健康人和患病个体检验结果的分布,真阳性（TP）：患有该疾病的患者得到阳性检验结果 真阴性（TN）：未患该疾病的患者得到阴性检验结果 假阳性（FP）：未患该疾病的患者得到阳性检验结果 假阴性（FN）：患有该疾病的患者得到阴性检验结果,选择检验,19,一致性,不一致性,选择检验,检验性能的度量ROC曲线,20,特异度 敏感度,敏感度 特异度,疾病不严重 治疗危险,疾病严重 治疗可行,受试者工作特征（ROC）曲线,ROC曲线越靠近左上方， 检验的分辨能力越好,选择检验,2

9、1,计算验后概率的定量方法,阳性检验的贝叶斯定理,22,计算验后概率的定量方法,阴性检验的贝叶斯定理,贝叶斯定理的含义 疾病的验后概率随验前概率的增加而增加 验前概率低，阳性检验结果影响大，阴性检验结果影响小 验前概率高，阳性检验结果影响小，阴性检验结果影响大,23,计算验后概率的定量方法,1 Shortliffe EH, Cimino JJ.Biomedical Informatics(Third Edition)M.Springer,2006.,24,贝叶斯定理的含义,计算验后概率的定量方法,检验的敏感度和特异度对验后概率的影响,(a)：敏感度=0.90， 特异度分别取0.80，0.90，

10、0.98 (b)：特异度=0.90 敏感度分别取0.80，0.90，0.98,1 Shortliffe EH, Cimino JJ.Biomedical Informatics(Third Edition)M.Springer,2006.,为什么需要鉴别诊断？ 同一特征可能属于不同的疾病，即不同疾病都具有该特征,25,单一特征的鉴别诊断,所有相关疾病发生的概率之和为1,特征R出现的概率等于其在不同疾病条件下出现的概率之和,模式识别 把一个对象集合分成许多不同类的应用技术 利用同类事物的相似性和异类事物的差异性,26,多特征诊断决策方法,学 科,对 象,目 的,细胞学 遗传学 心脏病学 神经病学

11、 药理学 诊断学,细胞 染色体 心电图 脑电图 药物 疾病,识别癌细胞 核型分析 诊断心电图 神经疾病识别 药物治疗监测 计算机辅助决策,模式识别技术在医学各学科中的应用,句法模式识别 统计学模式识别,27,多特征诊断决策方法,已知：类别与特征 任务：将新对象归类,指导性 模式识别,对象-聚群距离 聚群-聚群距离,非指导性 模式识别 （聚类）,已知：特征 不知：类别 任务：将对象分类,指导性模式识别 通过特征在不同类之间的统计分布差异来识别类 理想的（不交叠的）特征分布往往并不存在 利用多维的非理想特征提高总判别力 特征向量：对象的特征集合，如对象A具有特征a，b，c，则对象A的特征向量为 A

12、=a,b,c, a，b，c， 为该特征向量的分量 类的识别：基于类的向量分量的均值、标准差及分量之间的相关性,28,多特征诊断决策方法,学习阶段：,测试阶段：,特征抽取,再分类,已知类别的对象集,建立分类规则,与已知类别比较,指导性模式识别 最近相邻法则 不估计类的条件概率，直接得到验后概率 没有真正的学习阶段，学习集的所有对象均与其类成员关一起保存 缺点：需要极大的数据集，长时间的运算，且与特征值大小有关,29,多特征诊断决策方法,1-最近相邻法则：找出一个最近相邻的对象，新对象归到该最近相邻对象所在类 q-最近相邻法则：找出q个最近相邻的对象，这q个最近相邻对象中大多数属于哪一类，新对象就

13、归入该类,二维的最近相邻法则图示,非指导性模式识别,30,多特征诊断决策方法,30,1 Shortliffe EH, Cimino JJ(著),罗述谦(主译).生物医学信息学（第3版）M.北京:科学出版社,2011.,对象-聚群距离：基于点与聚群之间距离的测量 K-means聚类：,K-means聚类算法图示,确定分几类 K=?,重新计算每个聚群的中心,随机选K个种子点 （初始聚群的中心）,计算每个对象到 聚群中心的距离,将每个对象归到 离它最近的聚群,31,非指导性模式识别,聚群-聚群距离：基于聚群与聚群之间距离的测量 假设有N个对象，难点是选择聚群数量C（1CN） 聚集式,开始：每一个对象

14、为一个聚群,最相近的两个聚群 合并为一个新聚群,分裂式,开始：所有对象属于同一个聚群,一个聚群分裂成两个,聚集式聚类结果,可用系统树图表示聚类过程,聚类过程的系统树图,多特征诊断决策方法,32,定性诊断决策方法,三种策略,同时应用所有微决策,顺序应用微决策,以条件行动规则 运用微决策,决策表（真值表）,流程图（决策树）,规则推理法,定性方法：一般缺乏形式化的数学基础，可能是受人类推理的启发，也可能是人类推理的感知。 启发式方法：借助于符号模型进行逻辑推理而解决问题的办法。,33,定性诊断决策方法,34,定性诊断决策方法,心律失常诊断的真值表,T：真（True） F：假（False） d：无关,

15、流程图 用结构的方法显示每一条规则按顺序过程作估计,35,定性诊断决策方法,菱形：基本决策单元，上方为输入，下方为输出 输入：与前一个基本决策单元相连接 输出：只能为真或假,优点：不需要处理所有输入的组合，比真值表效率高 缺点：决策过程刻板，难以回头；模型训练难,非参数分区算法（NPPA）： 类似于按照特征的判别力对特征进行排序，有助于借助学习集构建流程图,36,定性诊断决策方法,37,治疗方案选择依据患者的理想健康状态,临床治疗决策,健康效用（health utility）,定量度量,生命的长度：生存时间 生命的质量：良好健康状态 要冒的风险：手术风险、药物副作用等 ,质量修正生命年（QAL

16、Y）：良好健康状态的存活时间。 在医学决策分析和卫生政策的制定中被普遍用作健康效用（价值）的度量。,38,期望值决策 创建决策树设计决策问题、分配概率、度量结果 计算每种备选决策的期望值 选择期望值最高的备选决策 用敏感度分析检验分析的结论,临床治疗决策,4个步骤,39,临床治疗决策,治疗结果的不确定性,Dandy的肺病可能使他下不了手术台,手术不一定能把运动能力恢复到Dandy所需要的程度,患者的手术承受能力,手术不一定能实现患者的需求,假体可能发生感染,若发生感染，Dandy会有经历第2次手术来摘除假体的风险,二次手术的风险,可能导致死亡； 即使存活，也将只能依靠轮椅行走,存活时间（年）,

17、功能状态,QALY,10 10 10 0,充分运动能力（手术成功） 不良运动能力（现状或手术失败） 被禁锢于轮椅（需二次手术的结果） 死亡,10 6 3 0,选择相似患者中平均结果最佳的那个选择,期望值决策的核心,40,临床治疗决策,D,B,A,C,不良运动能力,死亡,死亡,被禁锢于轮椅,充分运动能力,不良运动能力,不良运动能力,手术,未手术,手术死亡,存活,感染,未感染,手术死亡,存活,充分运动能力,结果功能状态,QALY,0,3,0,10,6,6,期望值：把每种可能结果相关联的生存时间（或QALY）的值乘以这种结果出现的概率，然后把所有生存时间（或QALY）和概率的乘积加和。 手术的期望值

18、E(D)=7.7QALY V.S. 未手术的期望值=6QALY,膝关节置换手术的决策树,决策分析结果的可靠性分析 需回答的问题：当概率和结果估计被赋予合理范围内的其他值时，关于优先选择的结论会发生变化吗？ 敏感度分析：在一个宽泛的概率和效用（或价值）的假设范围内，对结论的可靠性的检验。,41,临床治疗决策,手术死亡率对期望QALY的影响的敏感度分析,充分运动能力的概率对期望QALY的影响的敏感度分析,如果概率和结果度量的假设值在广泛的范围内取值，分析的结论保持不变，那么决策分析的结果是值得信赖的。,长期健康结果决策马尔科夫模型,42,临床治疗决策,1 Shortliffe EH, Cimino

19、 JJ.Biomedical Informatics(Third Edition)M.Springer,2006.,指定患者可能会经历的健康状态组,指定转移概率，即一个人在特定的时间段后从一种健康状态转移到另一种健康状态的概率,计算一个人在未来的任何时间 处于每一种健康状态的概率,圆圈：可能经历的健康状态 箭头：健康状态间允许的转移,与决策树联合使用，把干预的作用当成状态转移,分析患者症状后怀疑其患有某种疾病的医生有三个选择：,43,关于治疗、检验或不做处理的决策,三个选择,不做进一步处理（即不做进一步检验、也不治疗） 在选择治疗还是不做处理之前，获得更进一步的信息（做检验） 不再收集信息，进

20、行治疗。,确定治疗阈值概率，即治疗或不治疗期望结果毫无差别的患病概率 确定疾病的验前概率 若：验前概率治疗阈值概率，做检验并在结果阳性时治疗 否则考虑第三步 确定检验结果能否影响治疗决策 若：验后概率治疗阈值概率，做检验并在结果阳性时治疗 否则不做检验、也不治疗,三个步骤,治疗阈值概率计算 决策树 假设治疗和不治疗的期望效用相等， 计算出治疗阈值概率,44,关于治疗、检验或不做处理的决策,阈值概率方程,治疗,害处大益处小，阈值概率高,益处大害处小，阈值概率低,关于治疗、检验或不做处理的决策,45,1 Shortliffe EH, Cimino JJ. Biomedical Informatic

21、s(Third Edition)M.Springer,2006.,HIV感染的 检验或治疗决策,HIV+：实际感染了HIV HIV-：实际未感染HIV “HIV+”：检验结果阳性 “HIV-”：检验结果阴性 QALE：期望质量修正生命年 PCR：聚合酶链反应检验,临床决策支持系统,46,典型临床决策支持系统介绍,What is Clinical Decision Support System （CDSS）？,47,临床决策支持系统,广义,1 Shortliffe EH, Cimino JJ(著),罗述谦(主译).生物医学信息学（第3版）M.北京:科学出版社,2011.,狭义,2 J.H.van

22、 Bemmel, M.A. Musen(主编),包含飞,郑学侃（主译）.医学信息学M.上海:上海科学 技术出版社,2002,信息管理工具 提供数据和临床医生所需要的知识，但一般不帮其应用某特定的信息以完成决策任务。 如：临床信息系统、信息检索系统、专业知识管理工作站等 引起关注工具 提醒用户可能被忽略的诊断、药物配伍禁忌等问题 如：标志异常值的实验室系统、警示配伍禁忌的药房系统 提供针对患者建议的工具 基于针对患者的数据集合，提供专门为用户设计的评估或建议,48,计算机在临床决策支持中的作用,49,临床决策支持系统的发展历程,Phase 1: Stand-alone System,Phase

23、2: Integrated System,Phase 3: Standards- based System,Phase 4: Service Models,1959 Ledley & Lusted,1961 Warner,1967 HELP,1969 Bleich,1971 Leeds,1975 Mycin,1982 Internist QMR,1983 Attending,1986 Dxplain,2003 Isabel,1973 RMRS,1989 Arden,1998 GLIF,2003 GELLO,1998 CPRS,1994 WizOrder,2005 SAGE SEBASTIAN,

24、2007 SANDS,1 李包罗,傅征.医院管理学信息管理分册M.北京:人民卫生出版社.2011.,1993 EON,按应用模式 提示提醒型 评判型 建议型 自主型,50,临床决策支持系统的种类,按知识表达方式 基于决策树 基于贝叶斯规则 基于产生式规则 基于人工神经网络 ,按医学领域或疾病 普通内科决策支持 外科决策支持 腹痛决策：Leeds系统 感染决策：Mycin系统 ,决策类型 用于诊断决策 用于治疗决策,提示提醒 集成到临床信息系统（或电子病历系统）的临床决策支持系统 基于简单的逻辑判断，对临床信息进行主动的提示和提醒,51,临床决策支持系统的种类,疾病感染监测系统 抗生素治疗监测系

25、统 术前抗生素监测系统 抗生素使用时间监测系统 药物副作用事件监测系统 药物剂量监测系统 化验报警系统 ,主要 应用系统,典型代表：HELP系统 1967年问世，第一个提供由数据控制的提示提醒功能 监测模块、逻辑决策机制 呼吸系统疾病治疗合理性检查报警系统 临床实验室异常检查判断处理系统 用药合理性检查报警系统 传染病监控系统 ,评判型 事先根据相关信息生成一个决策建议，如果医生的决策与之不符，则给出决策建议。 适于医生愿意自己决策，并需要系统确认或评价，以辅助其修正决策 与提示提醒系统的不同之处：提供和用户的对话交互。,52,临床决策支持系统的种类,输血医嘱下达系统 合理用药系统 ,典型代表

26、：Attending系统 1983年问世，美国 独立程序 评价麻醉师对具体病例的麻醉剂选择、吸入和给药计划,主要 应用系统,建议型 基于决策模型对患者状况进行推理，给出建议，供医生参考 系统独立、被动 医生需知道何时需要建议，并主动访问系统 医生需输入数据描述案例，并请求建议 允许医生控制系统的推理,53,临床决策支持系统的种类,典型代表： 基于贝叶斯原理的Leeds腹痛诊断决策支持系统 基于规则的Mycin感染管理系统 基于贝叶斯原理的快速医学查询系统（QMR） ,自主型 与提示提醒、评判、建议系统的区别 由系统直接采用建议 应用领域 麻醉、呼吸机控制、给药系统等 主要功能 定时测定某些参数

27、，决定是否实施当前治疗。 一旦发现参数改变，系统自动启动输液泵或呼吸机的设置，将监测的参数控制在目标范围内。 主要危险 设备或传感器失常也可能导致监测的参数异常,54,临床决策支持系统的种类,55,临床决策支持系统的通用架构,数据中心 Data Center,知识库 Knowledge Base,用户界面 User Interface,推理引擎 Inference Engine,解释器 Explanation Module,知识获取系统 Knowledge Acquiring System,用户 User,知识工程师 Knowledge Engineer,1 李包罗,傅征.医院管理学信息管理分

28、册M.北京:人民卫生出版社.2011.,患者数据获取与验证 医学知识获取与验证 医学知识表示与推理 与临床工作流程结合 系统性能评估,56,临床决策支持系统的关键技术,所有这些方法都具有局限性 开发有效技术以准确、完整、有效地获取患者数据非常具有挑战性 超越数据录入的主要障碍 缺乏标准的计算机可理解的表达大多数临床情况的方法 电子病历是不完整的信息来源，可能未包括具体患者的某些必要数据,57,患者数据获取,数据录入技术,键盘输入 语音输入 将临床医师与计算机分开 可扫描的表格 实时数据监测等,不同来源知识的获取,58,医学知识获取,临床专家 （经验性知识）,通过传统的系统分析专家和临床专家的交

29、流获取,由临床专家应用知识编辑程序直接在知识库中创建知识,医学文献 （科学知识）,专业人员根据对某一专题发表的材料进行广发查阅 如：Meta-分析、临床指南,RRS定制：预存检索式，订阅（自动获取）相关的文献,自然语言处理：自动定位提取相关信息、智能检索、文本生成、机器翻译等,59,医学知识表示与推理,知识表示 运用一系列的符号将知识表示成计算机可理解的形式 知识表示方法 If-Then规则（Rule）：编码医学逻辑模块的Arden语法 框架（Frames）：A data Structure that Served as a template to describing a recurring

30、 pattern in the word. 超越规则的抽象：启发式分类（特征抽象启发式配对决策方案细化） 知识获取和设计结构（Knowledge Acquisition and Design Structure，KADS）：将知识的概念化和工作系统的结构分离 问题解决方法（Problem-Solving Methods）：与专业无关的解题策略 本体（Ontology）、语义网络（Semantic Network）,60,与临床工作流结合,回顾患者的健康指标概要 询问病人相关信息 回顾相关疾病知识 提醒患者（例如，保持健康） 帮助患者完成相关信息和决策,疾病评估：收集信息（病历或病人）、检验、诊

31、断咨询、诊断和鉴别诊断 安排和执行治疗计划：药物选择、非药物治疗干预、跟踪结果、调整计划 患者教育：病情与治疗决策交流、患者自我照料、执行说明,药物分发 药物管理（配伍禁忌、存放条件等） 告知患者检验结果与治疗计划 告知患者注意事项 系统发送临床数据报告给医生,1 Osheroff J, etl. Improving Outcomes with Clinical Decision Support: An Implementers GuideM. Productivity Press, 2005.,字段不一 单位不一 格式不一 术语不一 不完整,随机对照实验（Randomized Control

32、led Trial，RCT）,61,决策支持系统性能评估,要评价的干预措施是什么？ 与什么对比？ 如何随机？ 怎么比较？,核心问题,随机 选取病例,专家制定 诊疗金标准,专家制定 评估答卷,评估者与病例交叉分组,临床人员 人工诊疗,决策支持 系统诊疗,统计学 对比分析结果,专家打分 根据金标准,基本原理：将满足条件的研究对象随机分配到试验组和对照组，使非研究因素在试验组与对照组中达到均衡，则试验结果差异可归结于干预措施。,诊断：基于贝叶斯原理的Internist-1/QMR系统 患者管理（治疗）：基于指南的EON系统,62,典型临床决策支持系统介绍,匹兹堡大学医学院1970s开发，后发展为快速

33、医学参考（QMR） 最初目标：对一般内科诊断建模 包含知识：近600种疾病、约4500种相关临床发现或疾病表现，平均每种疾病与85种临床发现相关 知识库创建与维护：创建每个疾病需1020天,63,诊断：Internist-1/QMR系统,选择 新的疾病,广泛检索文献 列出临床表现,咨询专家与 诊疗人员 补充信息,特征普草稿 （临床表现与关联诊断）,高级医师 审核草稿,特诊普 添加到知识库,复杂病例 系统测试,典型病例 系统测试,每23年重复一次,特别的计分方法反映具体症状和疾病之间的关系强度,64,诊断：Internist-1/QMR系统,临床表现的频率权重（FW）,临床表现的激发强度（ES）

34、,1 Shortliffe EH, Cimino JJ(著),罗述谦(主译).生物医学信息学（第3版）M.北京:科学出版社,2011.,65,1 Shortliffe EH, Cimino JJ(著),罗述谦(主译).生物医学信息学（第3版）M.北京:科学出版社,2011.,诊断：Internist-1/QMR系统,特别的计分方法,临床表现的重要性（FW） 一些临床表现有一定的含义，需要解释；而另一些则可以忽略。,诊断实例（包含飞，书上表）,66,诊断：Internist-1/QMR系统,复杂病例系统测试 测试集 来自主要临床杂志的19例诊断困难的病例，共有43个诊断。,67,诊断：Inter

35、nist-1/QMR系统,诊断者及结果对比,尽管判错了几个较难的病例，但这19个病例几乎涵盖了普通内科的所有临床问题，其他的诊断程序都只能处理其中的一小部分。所以使用简单知识结构和权重方案的Internist-1的诊断性能是令人印象深刻的。,Internist-1向QMR的转变（1980S）,68,诊断：Internist-1/QMR系统,Clinical Practice Guidelines 系统性制定的诊疗说明，以帮助医生和患者对具体临床情况做出合适的医疗保健决定 通常代表医学专家关于在有限或较长时间内，对具有特定临床问题、需要或病情的患者进行筛查、诊断或管理的一种共识 应用适当的临床实

36、践指南是改进医疗质量的最好方法 基于指南的临床实践涉及 长期收集和解释大量数据，阶段式应用标准的治疗或诊断计划，并在必要时调整计划,69,患者管理：基于指南的EON系统,1 Shortliffe EH, Cimino JJ. Biomedical Informatics(Third Edition)M.Springer,2006.,自动化有助于： 编写与维护指南 检索适于每个患者的指南 临床指南知识表示方法（李包罗，书上图）,70,患者管理：基于指南的EON系统,实时应用指南 回顾性评价指南应用的质量,1 Shortliffe EH, Cimino JJ. Biomedical Informa

37、tics(Third Edition)M.Springer,2006.,斯坦福大学于1990S初开始研发，旨在帮助医护人员根据协议或临床实践指南照顾正在接受治疗的患者 第二代基于知识的系统，本身不能运行，需嵌入临床信息系统,71,患者管理：基于指南的EON系统,EON的体系结构,治疗计划组件,合适协议 确定组件,数据库 中介,患者 数据库,协议 知识库,领域 模型,临床 信息 系统,1 Shortliffe EH, Cimino JJ. Biomedical Informatics(Third Edition)M.Springer,2006.,EON应用：通过组件的组合与匹配以创造不同的决策支

38、持功能,72,患者管理：基于指南的EON系统,1 Shortliffe EH, Cimino JJ. Biomedical Informatics(Third Edition)M.Springer,2006.,治疗计划组件,合适协议确定组件,乳腺癌 协议知识库,+,+,艾滋治疗帮助系统THERAPY HELPER的 决策支持模块,功能 根据电子病历中患者信息，确定合适的医疗协议，或按事先确定的协议显示应给予的治疗,基于协议的AIDS和HIV 医疗保健 知识库,基于协议的美国国家 高血压医疗指南知识库,VA医疗中心的高血压管理系统ATHENA的基础,EON应用ATHENA系统,73,患者管理：基

39、于指南的EON系统,1 Shortliffe EH, Cimino JJ. Biomedical Informatics(Third Edition)M.Springer,2006.,协议知识库 指南符合性标准 风险分级 血压指标 相关共患疾病 指南建议的药物和治疗的选择与修改标准,EON的知识获取知识库开发环境Protg Protg提供了开发基于知识的系统的一套工具和一个原则性方法 Protg的使用流程：,74,患者管理：基于指南的EON系统,创建领域模型（或本体），明确用于定义应用领域的临床协议的必要概念及其关系,应用领域模型创建和维护具体的临床指南协议,临床决策支持系统的未来发展,强调整

40、体任务建模，由任务模型指导问题解决组件的选择,模块化、网络化、随时随地下载组装、适应不同的决策支持需求,流畅地整合到临床工作流，自动决策支持,本体、语义网络技术将在CDSS的知识管理中广泛应用,应用效果评价（询证健康信息学）、伦理与法律问题考虑,未来发展,75,模拟医学决策，让基于指南的诊疗计划更加灵活,1 J.Bouaud, J.B. Lamy. A Medical Informatics Perspective on Clinical Decision Support SystemsR. IMIA Yearbook of Medical Informatics, 2013:128-129.

41、 2 Shortliffe EH, Cimino JJ. Biomedical Informatics(Third Edition)M.Springer,2006.,76,本章小结,临床决策,诊断决策,治疗决策,临床概率估计（验前、验后） 选择检验（特征）：敏感度、特异度、ROC曲线 估计验后概率：贝叶斯原理 多特征诊断：模式识别（指导性、非指导性）,临床决策理论方法,期望值决策（期望QALY） 决策树 马尔科夫模型 治不治决策：治疗阈值概率,定性,定量,决策表、流程图、规则推理法,定量,临床决策支持系统 CDSS的主要成分：医学知识、病人数据、对具体病例的建议 计算机在临床决策支持中的作用：

42、信息管理、引起关注、提供具体建议 CDSS的种类（应用模式）：提示提醒、评判、建议、自主 CDSS的通用架构：数据中心、知识库、推理引擎、解释器和用户界面 CDSS的关键技术：患者数据获取，医学知识获取、表示与推理，与临床工作流结合，系统性能评估 典型CDSS介绍：基于贝叶斯原理的Internist-1/QMR系统，基于指南的EON系统 CDSS未来发展：模块化、网络化、面向整体任务、无缝化、,77,本章小结,请解释Internist-1/QMR系统中的频率权重与激发强度的含义。 如果一个临床发现的频率权重为4，激发强度为2，意味着什么？ 这些参数与敏感度、特异度有什么关系？ Internist-1/QMR系统是如何运用贝叶斯原理估计疾病概率的？,78,思考题,临床医生或医学生可在临床决策支持系统的研发中发挥什么作用？,1,2,1,3,如果你是一个心血管疾病管理决策支持系统的研发团队中的一员，现在需要你为该系统的知识库添加一种新的疾病（如冠心病），需包括其诊断和治疗的全面知识，你将如何获取和该疾病知识？,Thank You !,