论文部分内容阅读
医疗决策的制定是一个复杂的过程。在医疗决策过程中,医生需要根据不同病人的特点,结合医学知识与临床经验,制定出相应的治疗方案。但是由于缺少足够医疗信息的支持,医生的决策难免出现考虑不周全之处,由此引发的医疗事故时有发生。同时,由于医疗信息的不对称,有些病人会出现对医生决策不理解的情况,有时甚至会引发医疗纠纷。为了减少医疗决策过程中的人为失误,增强病人对治疗方案的理解,医院对于一个能够检索相似治疗方案、展示相关医学知识的医疗决策支持系统的需求不断增长。针对医院的实际需求,本文提出了基于关联数据的医疗决策支持系统。该系统利用关联数据技术对HIS(Hospital Information System)系统数据进行了重新组织,集成了外部医疗知识库,能够从历史病例中选择语义相似的病例,提示或预警潜在风险,抽取并展示相关医疗信息,为医生制定治疗方案提供依据,帮助病人了解病情,提高治疗的积极性与配合度。本论文的主要研究工作如下:1.提出了基于关联数据的医疗决策支持系统的整体框架。本文利用关联数据技术,提出了一个决策支持系统框架。该框架一共分为4层,分别是数据层、集成层、应用层和展示层。数据层包含了HIS系统数据库和关联医疗知识库,负责将关系型数据库转化为关联数据形式。集成层将两部分数据进行集成,形成完整的关联数据网络。应用层在关联数据网络之上实现数据的查询、分析与管理。展示层将应用层得到的结果向用户展示以支持决策过程。2.设计了一种诊疗关联数据模型。本文详细分析了医疗数据的特点。由于治疗方案是以医嘱序列的实施所形成的,本文以医嘱数据为核心,提出了一种诊疗关联数据模型,并通过模型映射文件和正则表达式处理的方式将关系型数据转换成该模型。3.提出了对外部关联医疗知识库的融合算法。本文通过对不同数据源中相同实例的匹配实现多数据源的融合。具体来说,本文将不同数据源内的药品和疾病类型的实例进行融合。针对疾病实例,本文通过ICD-10编码进行融合。针对药物实例,本文提出了一种通过药物名和分子式计算实例相似度的融合算法,并分析了该算法的融合效果。4.提出了相似病例选择算法。本文首先提出了一种基于分类树的概念相似度算法。该算法利用关联医疗知识库中的分类信息计算概念之间的语义相似度。然后,本文使用该算法计算了药品和疾病的概念相似度,并对该相似度算法的优势进行了分析。最后,通过计算当前病人与历史病例在疾病既往史与用药之间的相似度,选择相似历史病例,并分析了该算法的结果。5.对本文提出的框架进行了验证。为了验证该框架的可行性,本文选取肠癌疾病的诊治作为决策支持系统的应用场景,实现了该决策支持系统的原型。最后,本文将该方法与类似方法进行了比较。经实验验证,本文提出的基于关联数据的医疗决策支持系统具有一定的可行性与可用性。