《临床决策支持理论与方法》由会员分享，可在线阅读，更多相关《临床决策支持理论与方法（80页珍藏版）》请在金锄头文库上搜索。
1、临床决策支持理论与方法,中国医学科学院医学信息研究所,教学目标,2,3,教学内容,临床决策理论方法,4,什么是临床决策？,5,临床决策 临床数据不完整 治疗结果不确定,1岳超源.决策理论与方法M.北京:科学出版社,2003. 2 Shortliffe EH, Cimino JJ(著),罗述谦(主译).生物医学信息学（第3版）M.北京:科学出版社,2011.,医疗卫生人员常常面临困难的选择,决策 进行选择的行动或行动的结果。 作决策（decision making）即制定决策的过程。,6,6,信息,诊断,治疗,数据,临床医生主要面临哪些决策？,诊断决策： 当患者可能患有某病时，选择什么检验检查来
2、确诊或排除该病？ 当检验结果呈阳性或阴性时，是否能确诊或排除某疾病？,治疗决策： 当治疗结果不确定时，如何选择治疗方案？,观察,决策,计划,病人,拥有足够的知识 充分的病人资料,7,为什么需要计算机辅助？,可作出正确的判断 不需要计算机辅助,需要计算机辅助的情况 人有时会犯错误或失误（复杂病例和常见病例都会出错） 临床医生的知识更新无法与急剧增长的医学知识同步 对大批量的常规决策工作，自动化决策效率更高（如心电图分析） 医疗卫生机构可能要求一些临床项目既提高医疗质量，又降低费用,8,正向关系：疾病症状,反向关系：症状疾病,科学研究 临床观察,诊断决策,机器学习,决策模型 机器推理,特征选择,人
3、类学习与机器学习,特征：体征、症状、测量值和诊断检验结果的统称。 分类：根据对象的特征，将对象归为不同的类。 如把具有某些特征的患者归为“患有某种疾病”。,分类,指导性学习,9,人类学习与机器学习,病人1 疾病A,特征1 特征2 特征3 特征4 ,病人2 疾病B,特征4 特征5 特征6 ,特征排序,训练集 或 学习集,疾病A,特征1 特征3 特征2 特征4 ,疾病B,特征5 特征6 特征4 ,统计学方法等,知道每个病人的疾病、 健康状态及特征,选出各种疾病的最佳判别特征,非指导性学习,10,人类学习与机器学习,病人1,特征1 特征2 特征3 特征4 ,病人2,特征4 特征5 特征6 ,聚类,训
4、练集 或 学习集,疾病A 病人1,3,特征1 特征3 特征2 特征4 ,疾病B 病人2,特征5 特征6 ,病人3,特征1 特征3 特征4 ,不知道什么疾病属于什么病人,发现哪些特征能最好地 代表各种不同疾病,11,诊断过程,面诊、体检,患某病的可能性有多大， 即先验概率或验前概率？,经验或文献,收集更多信息，降低不确定性。 选择哪种检查，敏感度、特异度？,患该病的可能性有多大， 即后验概率或验后概率？,检查结果,12,决策支持模型,1 J.H.van Bemmel, M.A. Musen(主编),包含飞,郑学侃（主译）.医学信息学M.上海:上海科学 技术出版社,2002,13,诊断依据患某种疾
5、病的可能性,描述词汇,很可能,医生使用的描述词汇与对应的概率,可能,不太可能,高概率,低概率,概率,0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0,1 Shortliffe EH, Cimino JJ(著),罗述谦(主译).生物医学信息学（第3版）M.北京:科学出版社,2011.,定量决策方法临床概率估计,概率（p）：把医生对某事件发生的可能性的意见表示为01的一个数字。 PA：事件A发生的概率 PA-或P-A ：事件A不发生的概率 PA =1：事件A必然发生 PA =0：事件A不可能发生 PA+ PA-=1 PA，B或PA&B ：事件A和B同时发生的概
6、率 A和B为独立事件：一个事件出现的概率不影响另一个事件出现的概率，则 PA，B= PA PB PA|B：已知事件B发生，事件A发生的概率，即B发生的条件下A的概率。,14,临床概率估计,例：腿肿的患者中有30%有血栓，则 P血栓|腿肿=0.3,15,患病可能性定量指标患病概率 验前概率：又称前验概率，是指经过面诊和体检，在得到更多信息之前估计出的概率。 验后概率：又称后验概率，是指经过检验或其它方式获取新的信息，对验前概率进行修正而得到的概率。,临床概率估计,主观概率估计 启发式认知经验法则,16,估计验前概率的方法,可用性：我们对一个事件概率的估计依赖于我们记起相似事件的难易,A能够代表B
7、或与B相似的程度,例：腿肿的患者属于患有血栓的患者的概率有多大？,代表性：客体A属于客体B的概率有多大？,锚定和调整：医生对概率作一个初步判断（锚定），然后依据进一步 的信息调整这个估计。,客观概率估计 利用群体或群体的某一亚组中某疾病的患病率或临床预测结果 临床预测规则：对从对有某种特定诊断问题的患者的系统研究发展而来，定义了医生如何综合使用临床现象来估计患病概率。,17,估计验前概率的方法,例：56岁的Troy女士，4个月前心脏病发作，心率异常，在很差的医疗条件下，正准备做择期手术。Troy女士会得心脏病并发症的概率是多少？,依据降低不确定性的程度,18,选择检验,1 Shortliffe
8、 EH, Cimino JJ.Biomedical Informatics(Third Edition)M.Springer,2006.,检验结果异常的判定,19,检验结果的22列联表,健康人和患病个体检验结果的分布,真阳性（TP）：患有该疾病的患者得到阳性检验结果 真阴性（TN）：未患该疾病的患者得到阴性检验结果 假阳性（FP）：未患该疾病的患者得到阳性检验结果 假阴性（FN）：患有该疾病的患者得到阴性检验结果,选择检验,20,一致性,不一致性,选择检验,检验性能的度量ROC曲线,21,特异度 敏感度,敏感度 特异度,疾病不严重 治疗危险,疾病严重 治疗可行,受试者工作特征（ROC）曲线,R
9、OC曲线越靠近左上方， 检验的分辨能力越好,选择检验,22,计算验后概率的定量方法,阳性检验的贝叶斯定理,23,计算验后概率的定量方法,阴性检验的贝叶斯定理,贝叶斯定理的含义 疾病的验后概率随验前概率的增加而增加 验前概率低，阳性检验结果影响大，阴性检验结果影响小 验前概率高，阳性检验结果影响小，阴性检验结果影响大,24,计算验后概率的定量方法,1 Shortliffe EH, Cimino JJ.Biomedical Informatics(Third Edition)M.Springer,2006.,25,贝叶斯定理的含义,计算验后概率的定量方法,检验的敏感度和特异度对验后概率的影响,(a
10、)：敏感度=0.90， 特异度分别取0.80，0.90，0.98 (b)：特异度=0.90 敏感度分别取0.80，0.90，0.98,1 Shortliffe EH, Cimino JJ.Biomedical Informatics(Third Edition)M.Springer,2006.,为什么需要鉴别诊断？ 同一特征可能属于不同的疾病，即不同疾病都具有该特征,26,单一特征的鉴别诊断,所有相关疾病发生的概率之和为1,特征R出现的概率等于其在不同疾病条件下出现的概率之和,模式识别 把一个对象集合分成许多不同类的应用技术 利用同类事物的相似性和异类事物的差异性,27,多特征诊断决策方法,学
11、 科,对 象,目 的,细胞学 遗传学 心脏病学 神经病学 药理学 诊断学,细胞 染色体 心电图 脑电图 药物 疾病,识别癌细胞 核型分析 诊断心电图 神经疾病识别 药物治疗监测 计算机辅助决策,模式识别技术在医学各学科中的应用,句法模式识别 统计学模式识别,28,多特征诊断决策方法,已知：类别与特征 任务：将新对象归类,指导性 模式识别,对象-聚群距离 聚群-聚群距离,非指导性 模式识别 （聚类）,已知：特征 不知：类别 任务：将对象分类,指导性模式识别 通过特征在不同类之间的统计分布差异来识别类 理想的（不交叠的）特征分布往往并不存在 利用多维的非理想特征提高总判别力 特征向量：对象的特征集
12、合，如对象A具有特征a，b，c，则对象A的特征向量为 A=a,b,c, a，b，c， 为该特征向量的分量 类的识别：基于类的向量分量的均值、标准差及分量之间的相关性,29,多特征诊断决策方法,学习阶段：,测试阶段：,特征抽取,再分类,已知类别的对象集,建立分类规则,与已知类别比较,指导性模式识别 最近相邻法则 不估计类的条件概率，直接得到验后概率 没有真正的学习阶段，学习集的所有对象均与其类成员关一起保存 缺点：需要极大的数据集，长时间的运算，且与特征值大小有关,30,多特征诊断决策方法,1-最近相邻法则：找出一个最近相邻的对象，新对象归到该最近相邻对象所在类 q-最近相邻法则：找出q个最近相
13、邻的对象，这q个最近相邻对象中大多数属于哪一类，新对象就归入该类,二维的最近相邻法则图示,非指导性模式识别,31,多特征诊断决策方法,31,1 Shortliffe EH, Cimino JJ(著),罗述谦(主译).生物医学信息学（第3版）M.北京:科学出版社,2011.,对象-聚群距离：基于点与聚群之间距离的测量 K-means聚类：,K-means聚类算法图示,确定分几类 K=?,重新计算每个聚群的中心,随机选K个种子点 （初始聚群的中心）,计算每个对象到 聚群中心的距离,将每个对象归到 离它最近的聚群,32,非指导性模式识别,聚群-聚群距离：基于聚群与聚群之间距离的测量 假设有N个对象，
14、难点是选择聚群数量C（1CN） 聚集式,开始：每一个对象为一个聚群,最相近的两个聚群 合并为一个新聚群,分裂式,开始：所有对象属于同一个聚群,一个聚群分裂成两个,聚集式聚类结果,可用系统树图表示聚类过程,聚类过程的系统树图,多特征诊断决策方法,33,定性诊断决策方法,三种策略,同时应用所有微决策,顺序应用微决策,以条件行动规则 运用微决策,决策表（真值表）,流程图（决策树）,规则推理法,定性方法：一般缺乏形式化的数学基础，可能是受人类推理的启发，也可能是人类推理的感知。 启发式方法：借助于符号模型进行逻辑推理而解决问题的办法。,34,定性诊断决策方法,35,定性诊断决策方法,心律失常诊断的真值
15、表,T：真（True） F：假（False） d：无关,流程图 用结构的方法显示每一条规则按顺序过程作估计,36,定性诊断决策方法,菱形：基本决策单元，上方为输入，下方为输出 输入：与前一个基本决策单元相连接 输出：只能为真或假,优点：不需要处理所有输入的组合，比真值表效率高 缺点：决策过程刻板，难以回头；模型训练难,非参数分区算法（NPPA）： 类似于按照特征的判别力对特征进行排序，有助于借助学习集构建流程图,37,定性诊断决策方法,38,治疗方案选择依据患者的理想健康状态,临床治疗决策,健康效用（health utility）,定量度量,生命的长度：生存时间 生命的质量：良好健康状态 要冒的风险：手术风险、药物副作用等 ,质量修正生命年（QALY）：良好健康状态的存活时间。 在医学决策分析和卫生政策的制定中被普遍用作健康效用（价值）的度量。,39,期望值决策 创建决策树设计决策问题、分配概率、度量结果 计算每种备选决策的期望值 选择期望值最高的备选决策 用敏感度分析检验分析的结论,临床治疗决策,4个步骤,40,临床治疗决策,治疗结果的不确定性,Dandy的肺病可能使他下不了手术台,手术不一定能把运动能力恢复到Dandy所需要的程度,患者的手术承受能力,手术不一定能实现患者的需求,假体可能发生感染,若发生感染，Dandy会有经历第2次手术来摘除假体的风险,
