随着医药卫生事业的发展和科学技术的进步,医疗行业的科技化水平和信息化程度在不断提高。临床决策支持系统(CDSS)作为医学知识工程和人工智能研究中非常活跃的分支,一直是国内外研究与应用的热点。临床诊疗的核心是从疾病诊断、通过医疗干预有效控制病情、到最终治愈疾病的过程。CDSS将临床诊疗过程用人工智能的原理和方法来模拟,包括病人临床数据采集、临床医学知识获取、病人信息与医学知识的匹配、匹配结果的解释以及给出诊疗建议等过程。CDSS能够通过降低漏诊率、误诊率以及规范化诊疗行为与过程,达到提高医疗卫生机构医疗服务质量的目的。但是,目前已开发的临床决策支持系统中能够被医生所接受并投入临床使用的为数极少。主要原因在于目前的CDSS过多地依赖基于临床医学规则知识的推理,对人类疾病的多样性、多变性和不确定性因素考虑不够。面对错综复杂的病人和疾病情况,这样的系统起不了太大作用。基于案例推理方法(CBR)在一定程度上能够解决基于规则推理(RBR)系统的一些问题。但是,目前对于CBR研究更多的还只是停留在方法层次上。而且,单独使用基于案例推理也存在一些不足,如：CBR难以表达深层的领域知识,案例的索引和匹配标准难以统一,案例检索和相似匹配算法还有待于进一步完善。好在CBR是一种方法而非一种技术,可以不断吸收其他学科的新方法和新技术,以促进CBR自身的发展。CBR与RBR的集成能够发挥各自的优势,从而扩展CDSS的应用范围,改善应用效果。本论文针对目前CDSS理论与应用方面存在的一些问题,基于控制理论的基本思想,通过整合与集成人工智能和计算机技术的相关理论、方法与技术,探寻CDSS发展的新思路。研究内容主要包括：1.为了建立CDSS的统一标准,本论文基于本体论的思想,结合对临床医学特点的分析,给出了构建临床医学本体的方法。在此基础上,给出了具体的基于规则和基于案例的知识表示方法,包括临床医学知识可视化绘制规范、临床医学知识的SAGE建模、临床案例知识表示方法和临床案例知识库的结构。2.知识获取是CDSS的关键性问题,解决好临床医生与知识工程师的沟通问题非常重要。本论文分析了临床医学知识获取的特点,结合实例给出了知识的流程图化表示、医学知识的SAGE建模和规则知识生成的知识获取流程。文本信息抽取是知识获取中的第一步,对于案例知识的获取具有重要作用。本论文通过实验阐述了基于有限状态自动机和基于条件随机场的医学命名实体识别的方法,并对实验结果进行了分析,给出了临床案例知识获取的方法和流程。3.CBR-RBR集成推理方法是本论文研究的重点。论文分析了基于规则的正向推理、反向推理和正反向混合推理的逻辑原理,以及基于案例的CBR四阶段循环理论,提出了CBR-RBR集成推理模式：介绍了基于SAGE模型的规则库构建方法和规则推理的主要步骤。相似度计算是基于案例推理中最关键的问题,尤其是对于具有灵活结构的临床案例。本论文在现有相似度计算方法的基础上,设计了针对临床案例特点的基于文本类型、程度类型、数值类型、时间类型等多种数据类型的相似度计算方法。为了实现相似度权重的自动计算,提出了基于TF-IDF思想的项目权重计算方法,和基于自组织竞争神经网络的综合权重计算方法,并通过基于真实临床数据的实验验证了以上方法的有效性。4.为了优化临床案例知识库的结构,以及实现案例知识向规则知识的转化,本论文提出了基于临床案例相似度矩阵的层次聚类分析方法,和基于案例相似度矩阵范数的凝聚度分析方法。通过对II型糖尿病案例和高血压案例的分析,论证了该分析方法的意义和作用。5.在临床决策支持系统实践方面,本论文给出了基于以上理论方法的CDSS系统框架和主要功能。最后在某三甲医院进行了临床决策支持系统的临床实验,并对实验效果进行了分析与评价。对于一些疾病而言,病情控制不仅仅是治疗的手段,有时本身就是治疗的目标。在本论文的研究中,将CDSS作为一种帮助临床医生完成疾病诊断、干预控制和最终治愈的全过程的支持平台。该平台也是研究一些老年疾病干预控制理论与方法的重要工具。论文以CDSS的临床应用为导向展开理论与方法的研究,研究过程中强调针对临床医学诊疗过程的特点,充分发挥基于案例推理与基于规则推理的优势,并力图将疾病过程控制的思想融入到CDSS中。通过增强临床案例知识表示方法的灵活性和适应性,加快临床医学知识库建设的步伐。让更多的临床医生愿意主动使用CDSS,并且能够帮助他(她)们提高临床诊疗水平。实践证明,理论与临床实践相结合对临床决策支持系统的研究与发展至关重要。本论文的研究成果得到了基于临床数据的实验验证,具有重要的理论和应用价值。所提出的CBR-RBR集成临床决策支持系统模式对于CDSS的发展具有重要的促进作用,对于融合现代控制理论和现代临床医学理论与方法的疾病干预控制理论与应用的发展也有一定的推动作用。