基于關(guān)聯(lián)數(shù)據(jù)的醫(yī)療決策支持系統(tǒng)的研究.pdf

1、醫(yī)療決策的制定是一個(gè)復(fù)雜的過程。在醫(yī)療決策過程中，醫(yī)生需要根據(jù)不同病人的特點(diǎn)，結(jié)合醫(yī)學(xué)知識(shí)與臨床經(jīng)驗(yàn)，制定出相應(yīng)的治療方案。但是由于缺少足夠醫(yī)療信息的支持，醫(yī)生的決策難免出現(xiàn)考慮不周全之處，由此引發(fā)的醫(yī)療事故時(shí)有發(fā)生。同時(shí)，由于醫(yī)療信息的不對(duì)稱，有些病人會(huì)出現(xiàn)對(duì)醫(yī)生決策不理解的情況，有時(shí)甚至?xí)l(fā)醫(yī)療糾紛。為了減少醫(yī)療決策過程中的人為失誤，增強(qiáng)病人對(duì)治療方案的理解，醫(yī)院對(duì)于一個(gè)能夠檢索相似治療方案、展示相關(guān)醫(yī)學(xué)知識(shí)的醫(yī)療決策支持系統(tǒng)的需

2、求不斷增長(zhǎng)。
　　針對(duì)醫(yī)院的實(shí)際需求，本文提出了基于關(guān)聯(lián)數(shù)據(jù)的醫(yī)療決策支持系統(tǒng)。該系統(tǒng)利用關(guān)聯(lián)數(shù)據(jù)技術(shù)對(duì)HIS（HospitalInformation System）系統(tǒng)數(shù)據(jù)進(jìn)行了重新組織，集成了外部醫(yī)療知識(shí)庫(kù)，能夠從歷史病例中選擇語(yǔ)義相似的病例，提示或預(yù)警潛在風(fēng)險(xiǎn)，抽取并展示相關(guān)醫(yī)療信息，為醫(yī)生制定治療方案提供依據(jù)，幫助病人了解病情，提高治療的積極性與配合度。本論文的主要研究工作如下：
　　1.提出了基于關(guān)聯(lián)數(shù)據(jù)的醫(yī)療決策

3、支持系統(tǒng)的整體框架。
　　本文利用關(guān)聯(lián)數(shù)據(jù)技術(shù)，提出了一個(gè)決策支持系統(tǒng)框架。該框架一共分為4層，分別是數(shù)據(jù)層、集成層、應(yīng)用層和展示層。數(shù)據(jù)層包含了HIS系統(tǒng)數(shù)據(jù)庫(kù)和關(guān)聯(lián)醫(yī)療知識(shí)庫(kù)，負(fù)責(zé)將關(guān)系型數(shù)據(jù)庫(kù)轉(zhuǎn)化為關(guān)聯(lián)數(shù)據(jù)形式。集成層將兩部分?jǐn)?shù)據(jù)進(jìn)行集成，形成完整的關(guān)聯(lián)數(shù)據(jù)網(wǎng)絡(luò)。應(yīng)用層在關(guān)聯(lián)數(shù)據(jù)網(wǎng)絡(luò)之上實(shí)現(xiàn)數(shù)據(jù)的查詢、分析與管理。展示層將應(yīng)用層得到的結(jié)果向用戶展示以支持決策過程。
　　2.設(shè)計(jì)了一種診療關(guān)聯(lián)數(shù)據(jù)模型。
　　本文詳

4、細(xì)分析了醫(yī)療數(shù)據(jù)的特點(diǎn)。由于治療方案是以醫(yī)囑序列的實(shí)施所形成的，本文以醫(yī)囑數(shù)據(jù)為核心，提出了一種診療關(guān)聯(lián)數(shù)據(jù)模型，并通過模型映射文件和正則表達(dá)式處理的方式將關(guān)系型數(shù)據(jù)轉(zhuǎn)換成該模型。
　　3.提出了對(duì)外部關(guān)聯(lián)醫(yī)療知識(shí)庫(kù)的融合算法。
　　本文通過對(duì)不同數(shù)據(jù)源中相同實(shí)例的匹配實(shí)現(xiàn)多數(shù)據(jù)源的融合。具體來說，本文將不同數(shù)據(jù)源內(nèi)的藥品和疾病類型的實(shí)例進(jìn)行融合。針對(duì)疾病實(shí)例，本文通過 ICD-10編碼進(jìn)行融合。針對(duì)藥物實(shí)例，本文提出了一種

5、通過藥物名和分子式計(jì)算實(shí)例相似度的融合算法，并分析了該算法的融合效果。
　　4.提出了相似病例選擇算法。
　　本文首先提出了一種基于分類樹的概念相似度算法。該算法利用關(guān)聯(lián)醫(yī)療知識(shí)庫(kù)中的分類信息計(jì)算概念之間的語(yǔ)義相似度。然后，本文使用該算法計(jì)算了藥品和疾病的概念相似度，并對(duì)該相似度算法的優(yōu)勢(shì)進(jìn)行了分析。最后，通過計(jì)算當(dāng)前病人與歷史病例在疾病既往史與用藥之間的相似度，選擇相似歷史病例，并分析了該算法的結(jié)果。
　　5.對(duì)本文