基于患者相似性分析的普适性临床决策支持方法研究

The accumulation of medical big data provides a new foundation for providing clinical decision support through discovering medical knowledge and establishing predictive models based on data mining. Patient similarity analysis which measure universal inter-patient distance has the potential to acquire knowledge of disease development, provide general clinical decision support based on huge volume clinical data, and has become an important direction for the translation of medical artificial intelligence. Although this approach has been initially validated in many clinical field such as cancer, endocrine diseases and heart disease, it is still a challenge to systematically and dynamically evaluate the similarity of patients to make it universally applicable in clinical decision support. Patients’ clinical data belong to diverse semantic spaces with different dimensions. Therefore, this study will firstly systematically study and evaluate the similarity assessment of clinical concepts and concept sets in different semantic spaces respectively. Then, this study will evaluate the similarity of a clinical data and process in a dynamic temporal sequence. Finally, a systematic and dynamic patient similarity analysis model will be studied and evaluated. A translational study will be supported by the National Medical BigData Engineering Lab.

医疗数据的广泛积累为通过数据挖掘来获得医学知识、建立预测模型开展临床决策支持提供了新的基础。患者相似性分析基于普适的患者间距离评估具有从大量临床实践数据中获取疾病发展规律、提供通用决策支持的可能，并成为了医学人工智能技术临床转化的一个重要方向。虽然该方法已在癌症、内分泌疾病、心脏疾病等多个领域获得初步的验证，但是如何系统性的动态评估患者相似性使得其具有普适的临床决策支持能力目前仍然是一个挑战。患者具有大量多维度不同语义空间的临床数据，因此本研究第一层面上将分别就不同语义空间的临床概念和概念集的相似性评估方法进行系统研究和评估，获得一系列特征空间内部相似性评估的理论和方法；进一步研究如何对一个动态过程中的临床数据和临床过程的相似性进行评估，掌握多种时间尺度下的动态患者相似性分析理论和方法；最终研究和构建综合动态模型下患者相似性分析计算体系和临床决策支持原型系统开展临床评估和验证。

医疗大数据的积累为通过数据挖掘和分析来建立预测方法和获得预测模型提供了基础。患者相似性分析基于普适的患者间距离评估从大量临床实践数据中获取患者相似组，通过对患者相似组数据的总结归纳来获取疾病发展的普遍规律来服务于计算机辅助临床决策支持，达到个性化诊疗的目的。这种人工智能模式本质上是传统临床思维类比推理的技术延伸，因此具有更好的临床可解释性和普适性，已成为了医学人工智能技术向临床转化最重要的一个方向。该项目针对如何利用患者相似性分析提供普适性临床决策支持开展了一系列的基础方法和应用研究，该课题进展顺利，已经发表相关论文25篇，其中SCI论文21篇，申请发明专利6项，其中已经授权发明专利2项，项目过程中建立了较为系统的患者相似性计算方法体系，对于临床层次语义空间中概念距离计算、临床药物的距离计算、诊断概念和诊断集距离的计算、表型和罕见病间的距离计算、动态特征下的距离计算等进行了系统研究并在国内外权威期刊发表相关成果，相关方法在罕见病诊断、先天性心脏病术后风险预测等多个临床应用场景中进行验证取得良好效果，同时展现了良好的应用推广前景，项目期间培养博士生3人，硕士生3人。