[发明专利]基于贝叶斯网络和效用体系的围手术期危重不良事件干预决策方法

说明书

本发明涉及一种基于贝叶斯网络和效用体系的围手术期危重不良事件干预决策方法，属于人工智能及其医疗应用领域，包括步骤：S1：构建围手术期危重不良事件干预措施集；S2：为每种干预措施赋予效用值，形成干预措施效用体系；S3：针对干预措施，构建专家知识库；S4：形成多种组合干预方案；S5：基于患者临床病例数据及来源与专家知识，构建围手术期危重不良事件干预的贝叶斯网络模型；S6：针对单个患者，输入围手术期的数据信息，作为贝叶斯网络模型的数据证据，执行贝叶斯网络推理，得到每种干预措施是否采取的概率值；S7：计算每种组合方案的总体效用值；S8：选取总体效用值Top‑3的组合方案，作为干预决策方案的推荐结果。

技术领域

本发明属于人工智能及其医疗应用领域，涉及一种基于贝叶斯网络和效用体系的围手术期危重不良事件干预方法。

背景技术

人工智能在医疗领域的应用日益盛行，为推动快速精准的智能医疗体系的建立，医疗行业亟需开展前言技术应用，积极快速运用人工智能技术，充分融合医疗数据和医疗专家经验，加快围手术期人工智能治疗新模式新手段的推广应用，提升医疗效率和质量，促进民生健康安全。围手术期危重不良事件的临床干预，需要依据患者的具体情况，依靠医疗专家的丰富经验进行决策，对医务人员的要求较高且效率不高。目前，利用人工智能方法进行围手术期危重不良事件的临床干预已经取得了一定的突破，比如一些临床决策支持辅助系统，但是这些方法仅仅提供常规的干预处置手段，并未充分考虑患者的具体情况，没有充分分析干预措施对患者的康复影响及身体损害。因此，急需建立一种综合考虑围手术期危重不良事件干预效果和对患者影响的智能干预方法。

发明内容

有鉴于此，本发明的目的在于提供一种基于贝叶斯网络和效用体系的围手术期危重不良事件干预方法。

为达到上述目的，本发明提供如下技术方案：

一种基于贝叶斯网络和效用体系的围手术期危重不良事件干预决策方法，包括以下步骤：

S1：构建围手术期危重不良事件干预措施集；

S2：为S1中的每种干预措施赋予效用值，形成干预措施效用体系；

S3：针对S1中的干预措施，构建专家知识库；

S4：基于专家知识库，形成多种组合干预方案；

S5：基于患者临床病例数据及来源与步骤S3中知识库的专家知识，构建围手术期危重不良事件干预的贝叶斯网络模型；

S6：针对单个患者，输入其围手术期的数据信息，作为贝叶斯网络模型的数据证据，执行贝叶斯网络推理，得到每种干预措施是否采取的概率值；

S7：基于S4中的组合干预方案，计算每种组合方案的总体效用值；

S8：选取总体效用值Top-3的组合方案，作为干预决策方案的推荐结果。

进一步，在步骤S1中，围手术期危重不良事件包括但不限于肝功能衰竭、心功能衰竭、呼吸衰竭、肾功能衰竭、脓毒血症、昏厥、窒息及死亡；干预措施包括但不限于晶体液输入、胶体输入、血制品输入、使用血管活性药物。

进一步，在步骤S1中，干预措施指的是单个的干预处置手段；在步骤S4中，干预方案包括单个干预措施或多个干预措施的组合。

进一步，在步骤S2中，干预措施的效用体系采用基数效用，包括离散和(或)连续的效用值；每种干预措施的效用值，由不少于10名业内专家根据经验给出；以此来形成干预措施的离散基数效用体系。

进一步，在步骤S3中，专家知识库中的专家知识，包括但不限于所述步骤S1中的干预措施、医疗临床指南以及医疗文献知识；专家知识库的构建方式包括人工手动构建、自动构建以及二者结合的方式构建。