基於異構數據融合的智慧型醫療臨床決策證據推理研究

《基於異構數據融合的智慧型醫療臨床決策證據推理研究》是依託南開大學，由徐曼擔任項目負責人的面上項目。

基本介紹

• 中文名：基於異構數據融合的智慧型醫療臨床決策證據推理研究
• 項目類別：面上項目
• 項目負責人：徐曼
• 依託單位：南開大學

中文摘要

不確定性推理始終是智慧型醫療系統臨床決策的關鍵問題。而在網際網路環境下，輸入的證據數據量劇增，且更加呈現出多源、異構性特徵，影響智慧型醫療系統臨床決策的推理效率及準確度。為解決臨床決策中，面向多源異構數據的證據推理最佳化問題，採用問題矩陣空間奇異值法，構造融合推理閾值向量，以確定融合推理解的邊界；研究異構數據環境下，臨床決策穩態與隨機干擾的證據推理模型，分析致擾因子，進行決策系統抗干擾能力檢驗；採用協同過濾方法，解決匹配度問題，完成多源異構數據多級疊代融合，並在臨床診斷規則的約束條件下實現特徵補充；研究異構性證據關在線上理，在臨床決策多準則特徵下提供可解釋性強的並行推理機制；基於臨床路徑，構建包含最小風險準則的臨床決策推理、類別誤標下的證據鏈融合推理和時態數據證據推理的模型集。通過在已建立的智慧型病人機器人實驗室完成臨床路徑實證及模型集驗證，將理論與仿真結果套用於臨床決策分析中。

結題摘要

醫療決策系統主要是運用智慧型算法與推理機制模擬醫生臨床診斷，不確定性推理始終是智慧型醫療系統臨床決策的關鍵問題。而在網際網路環境下，輸入的證據數據量劇增，且更加呈現出多源、異構性特徵，影響智慧型醫療系統臨床決策的推理效率及準確度。本項目為解決臨床決策中，面向多源異構數據的證據推理最佳化問題，採用問題矩陣空間奇異值法，構造融合推理閾值向量，以確定融合推理解的邊界；研究異構數據環境下，臨床決策穩態與隨機干擾的證據推理模型，分析致擾因子，進行決策系統抗干擾能力檢驗；採用協同過濾方法，解決匹配度問題，完成多源異構數據多級疊代融合，並在臨床診斷規則的約束條件下實現特徵補充；研究異構性證據關在線上理，在臨床決策多準則特徵下提供可解釋性強的並行推理機制；基於臨床路徑，構建包含最小風險準則的臨床決策推理、類別誤標下的證據鏈融合推理和時態數據證據推理的模型集。通過在已建立的智慧型病人機器人實驗室完成臨床路徑實證及模型集驗證，將理論與仿真結果套用於臨床決策分析中。本項目研究期間取得如下成果：已發表論文14篇：期刊論文13篇（國際期刊論文10篇、國核心心刊物3篇），國際會議論文1篇；國際期刊論文10篇：SCI/SCIE收錄10篇、EI收錄4篇、SSCI收錄3篇；國核心心刊物3篇：CSSCI收錄3篇、基金委A類1篇，基金B類2篇；國際會議論文1篇：EI檢索會議論文1篇。已錄用國際期刊論文2篇（SCI收錄2篇）。出版中文學術專著1部，書名為《醫療大數據》，已由機械工業出版社出版。協助培養博士畢業生3人，碩士畢業生2人。本項目對已有研究成果中的科學問題的進一步提煉與完善，為醫療決策系統推理機制準確性相關研究提供了新思路、新方法，豐富了該領域研究的理論體系。