动态不确定因果图(DUCG)在鞍区疾病中的诊断价值
包新杰1
范阳华1
张湛2
景中奇2
王怡3
刘振宇4
郭岷江5
王任直1
冯铭1
1.100730,中国医学科学院北京协和医院神经外科2.100084,北京清睿智能科技有限公司3.100730,中国医学科学院北京协和医院病案科4.中国科学院自动化研究所, 北京,1001905.中国医学科学院医学信息研究所, 北京,100730
摘要：目的 拟在采取综合考虑鞍区疾病相关特征的基础上,提出一种基于动态不确定因果图(DUCG)的诊断建模与推理方法.方法 通过专科医生和人工智能工程师合作,基于DUCG的算法及原理,融合专家知识、临床经验、医学研究成果、临床样本统计数据多种数据和知识来源,构建基于DUCG的鞍区疾病诊断模型.从北京协和医院电子信息病例系统中选择17种最常见的鞍区疾病相关病例,验证诊断模型的的诊断能力,并以图形方式直观展示疾病和症状之间因果关系的推理过程.结果 本组DUCG鞍区疾病诊断模型包含138个变量.采用1个病例进行诊断模型测试,结果表明:颅咽管瘤的概率排名第一,占89.004％,并可得到DUCG推导图,清楚解释疾病病因和所有相关因素,症状和监测结果,及其关联性.本组共测试139例鞍区病例,诊断模型的平均准确率为94％.结论 基于DUCG的鞍区疾病诊断模型应用于医学诊断中可弥补个人知识和专业限制,降低误诊率,减轻公共卫生保健资源的负担.
关键词：动态不确定因果图诊断模型鞍区疾病人工智能
分类号：R319(医用一般科学)
资助基金：创新工程项目(2017-I2M-3-014)北京市自然科学基金面上项目(7182137)首都特色专项基金(Z161100000516092)
论文发表日期：2018-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 249-253 )
英文信息