基于混合智能的原发性头痛诊断决策支持关键技术研究

Primary headache disorders have high morbidity and low diagnostic accuracy in China. Diagnostic decision support technique can help physicans reduce misdiagnosis and improve diagnostic accuracy. But existing headache diagnostic decision support systems based on single intelligent technique and diagnostic criteria are unable to meet clinical needs. In order to overcome the problem of uncertain knowledge representation and the diagnostic problem under atypical symptoms condition, this project will propose a clinical knowledge modeling involving fuzzy logic and knowledge-base constrcuting method that translating text-based diagnostic criteria to computer execuable knowledge. For the diagnostic problem under atypical symptoms condition, this project will use the patient’s diagnose data as the supervised information and divide the target patient’s neighbor area into many margins based on their similarity using metric learning. This project will construct hybrid knowledge representation and reasoning technique based on double layer modeling, which can make multiple knowledge work together. The successful running of the model is going to help general physicians to improve diagnostic accuracy, reduce unnecessary medical costs, and has remarkable economic and social benefit.

原发性头痛在我国发病率较高但诊断准确率较低。人工智能中的诊断决策支持技术可以帮助医生减少误诊、提高诊断准确率。但已有的基于诊断标准、利用单一智能技术开发的头痛诊断决策支持系统尚未解决不确定性知识表达，疾病症状非典型等头痛诊断中常见的临床问题，无法满足临床需求。本课题基于申请人的前期工作，拟提出一种融合模糊逻辑的临床指南模型，使之能同时表达确定性和不确定性知识，建立将文本化的国际头痛诊断标准转化为计算机可执行推理的临床知识建模和知识库构建方法；针对疾病症状非典型问题，拟提出一种利用诊断信息作为距离度量学习监督信息的病人相似度计算方法；最后基于双层建模思想，构建混合智能知识表达和推理框架，使得混合智能中的多种类型知识可以协同表达和协同推理。该模型的成功应用，将有助于非专科或低资历医生提高疾病的原发性头痛诊断准确率，从而采取针对性治疗，降低不必要的医疗花费，具有显著社会和经济效益。

原发性头痛在我国发病率较高但诊断准确率较低。人工智能中的诊断决策支持技术可以帮助医生减少误诊、提高诊断准确率。但已有的基于诊断标准、利用单一智能技术开发的头痛诊断决策支持系统尚未解决不确定性知识表达，疾病症状非典型等头痛诊断中常见的临床问题，无法满足临床需求。本项目研究了基于临床指南知识推理为主、基于权重优化的案例推理为辅的混合智能技术进行辅助决策。首先将头痛诊断标准数字化，形成医学知识表达模型，构建计算机可用的知识库，实现症状较为典型的疾病的诊断决策支持；然后构建基于临床真实数据的诊断案例库，利用基于免疫粒子群优化的方法计算案例每个属性的权重，使用基于权重优化的案例推理的方法进一步实现了症状非典型疾病的诊断决策支持；最后在真实临床环境下评估本方法的诊断效果。实验结果显示该方法具有较高的准确率。本系统可正确识别出159/160（99.4%）的无先兆偏头痛，36/36（100%）的有先兆偏头痛，20/21（95.2%）的慢性偏头痛。系统也正确识别出157/180（87.2%）的紧张型头痛病人，其中偶发性紧张型头痛为12/13（92.3%），频发性紧张型头痛为99/101（98.0%），慢性紧张型头痛为18/20（90.9%）。丛集性头痛和新发每日性头痛的正确识别率分别为90.0%和100%。此外，系统正确识别了全部药物过量性头痛（100%）。并开发了头痛辅助决策系统。该系统的成功应用，将有助于非专科或低资历医生提高疾病的原发性头痛诊断准确率，从而采取针对性治疗，降低不必要的医疗花费，具有显著社会和经济效益。