基于人工智能的医疗决策支持系统

第６卷第４期　２００６年８月　鸡西大学学报　ＪＯＵＲＮＡＬ　ＯＦ　ＪⅨＩ　ＵＮⅣＥＲＳＩＴＹ　Ｖ０１．６　ＮＯ．４　Ａｕｇ．２００６　

文章编号：１６７２—６７５８（２００６）０４一Ｏ０６５—３　

基于数据挖掘的智能决策支持系统　

耿　正　

摘要：介绍了数据挖掘和智能决策支持系统的基本概念，分析了基于数据挖掘的智能决策支持系统的　体系结构，并且讨论了数据挖掘在实际决策支持系统中的应用以及智能决策支持系统的发展趋势。　关键词：数据挖掘；智能决策支持系统；数据仓库　中图分类号：ＴＰ３１１．１３　文献标识码：Ａ　

１　引言　随着数据库技术的广泛应用，以及人们对当今社会信　息的高层次需求，以事务处理为核心、支持业务操作环境　与平台的数据库技术已不能适应人们在分析和决策层次　上的需要。为了有效地为企业和政府的管理与决策过程　提供重要的信息，需要根据决策的需要收集来自企业内外　的有关数据，并加以适当的组织处理，以形成一个综合的　面向决策的环境。数据挖掘技术是作为独立的信息技术　出现的。数据挖掘是通过对数据库、数据仓库中的数据进　行分析，获得有用知识和信息的一系列方法和技术。在国　外，数据挖掘技术已迅速发展起来，逐渐成为决策支持的　新手段。　２智能决策支持系统　２．１基本概念。　决策支持系统是以现代信息技术为手段，综合运用计　算机技术、管理科学、经济数学、人工智能技术等多种学科　知识，针对某一类型的半结构化和非结构化决策问题，通　过提供背景材料协助明确问题、修改完善模型、列举可能　方案等方式，为管理者做出正确决策提供帮助的人机交互　式系统。其从功能逻辑结构上看，是由数据库系统、模型　库系统、方法库系统、知识库系统及人机会话系统等部分　组成的。　智能决策支持系统（Ｉｎｔｅｌｌｉｇｅｎｔ　Ｄｅｃｉｓｉｏｎ　Ｓｕｐｐｏｒｔ　Ｓｙｓ—　ｔｅｍｓ，简称ＩＤＳＳ）（如图１所示）是在决策支持系统的基础　上，集成人工智能专家系统（Ｅｘｐｅｒｔ　Ｓｙｓｔｅｍｓ，简称Ｅｓ）而　形成的。决策支持系统主要是由人机交互系统、模型库系　统、数据库系统组成；专家系统主要由知识库、推理机和动　态数据库组成。决策支持系统和专家系统集成称为智能　决策支持系统（ＩＤＳＳ）。它既发挥了专家系统以知识为形　式的定性解决问题的特点，又发挥了决策支持系统以模型　计算为核心的定量解决问题的特点，在人机协同下做到定　性和定量分析的有机结合。实现更高层次的辅助决策能　力，使解决问题的能力得以提高，范围得以扩展。　图１　智能决策支持系统总体结构图　２．２　ＩＤＳＳ具有以下特点：　①具有友好的人机接口，如能够理解自然语言，具有　模型运行结果的解释机制，能够以简单、明了的方式向决　策者解释问题求解结果，并能对结果进行分析；　②能对知识进行表示与处理，可以有效提供关于模型　构造知识、模型操纵知识以及求解问题所需的领域知识；　③具有智能的模型管理功能。除支持结构化构模外，　还应提供模型自动选择、生成等功能，将模型作为一种知　识结构进行管理，简化各子系统间的接口；　④系统应该具有学习能力，以修正和扩充已有知识，　使问题求解能力不断提高；　⑤综合运用人工智能中的各种技术，对整个ＩＤＳＳ实　行统一协调、管理和控制。　３数据挖掘技术　数据挖掘这一概念是由Ｇ．Ｐｉａｔｅｔｓｋｙ—Ｓｈａｐｉｏｒ，Ｗ．Ｊ．　Ｆｒａｗｌｅｙ等人在１９８９年８月召开的第１１届国际人工智能　学术会议上提出的。它是数据库技术和人工智能、数理统　计等学科相结合的产物，是一个多学科相互交叉的具有广　泛应用前景的新兴研究领域，并利用人工智能和数理统计　中一些较成熟的方法和技术，如规则推理、人工神经网络、　决策树、邻近搜索等。因此，也有人把它称为数据库中的　知识发现（Ｋｎｏｗｌｅｄｇｅ　Ｄｉｓｃｏｖｅｒｙ　ｉｎ　Ｄａｔａｂａｓｅ，简称ＫＤＤ）。　作者简介：耿正，研究生，安徽大学计算机系计算机软件与理论专业。安徽，合肥。邮政编码：２３００３９　・６５・

智能决策支持系统

智能决策支持系统（Intelligence Decision Supporting System，IDSS）

目录

[隐藏]

 1 什么是智能决策支持系统

 2 智能决策支持系统的结构

 3 智能决策支持系统的特点

 4 智能决策支持系统的运行效率

[编辑]

什么是智能决策支持系统

智能决策支持系统是人工智能（AI，Artificial Intelligence）和DSS相结合，应用专家系统（ES，Expert System）技术，使DSS能够更充分地应用人类的知识，如关于决策问题的描述性知识，决策过程中的过程性知识，求解问题的推理性知识，通过逻辑推理来帮助解决复杂的决策问题的辅助决策系统。

IDSS的概念最早由美国学者波恩切克（Bonczek）等人于80年代提出，它的功能是，既能处理定量问题，又能处理定性问题。 IDSS的核心思想是将AI与其它相关科学成果相结合，使DSS具有人工智能。

[编辑]

智能决策支持系统的结构

较完整与典型的DSS结构是在传统三库DSS的基础上增设知识库与推理机，在人机对话子系统加入自然语言处理系统 (LS)，与四库之间插人问题处理系统(PSS)而构成的四库系统结构。见下图：

1、智能人机接口

四库系统的智能人机接口接受用自然语言或接近自然语言的方式表达的决策问题及决策目标，这较大程度地改变了人机界面的性能。

2、问题处理系统

问题处理系统处于DSS的中心位置，是联系人与机器及所存储的求解资源的桥梁，主要由问题分析器与问题求解器两部分组成。其工作流程如下图所示：

1）自然语言处理系统：转换产生的问题描述由问题分析器判断问题的结构化程度，对结构化问题选择或构造模型，采用传统的模型计算求解；对半结构化或非结构化问题则由规则模型与推理机制来求解。 2）问题处理系统：是IDSS中最活跃的部件，它既要识别与分析问题，设计求解方案，还要为问题求解调用四库中的数据、模型、方法及知识等资源，对半结构化或非结构化问题还要触发推理机作推理或新知识的推求。

基于人工智能的决策支持系统的发展现状及趋势2013 年 12 月18 日

智能决策支持系统作为人工智能的一个重要研究领域，允许决策者和信息经营者、资源配置者和管理者、策略规划者和装备控制者改进他们的工作效率，已经成为学术界关注的焦点，其发展前景备受世人瞩目。

人工智能（Artificial Intelligence）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，它是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。近十年来，人工智能已得到迅速传播与发展，并在决策支持系统中获得了日益广泛的应用，越来越多的决策支持系统应用了网络技术和分布式人工智能技术。

决策支持系统（DSS）作为人工智能的一个重要研究领域，是辅助决策者通过数据、模型和知识，以人机交互方式进行半结构化或非结构化决策的计算机应用系统。它是管理信息系统（MIS）向更高一级发展而产生的先进信息管理系统。它为决策者提供分析问题、建立模型、模拟决策过程和方案的环境，调用各种信息资源和分析工具，帮助决策者提高决策水平和质量。随着科学技术的进步以及人工智能技术的日趋成熟，决策支持系统智能化已经成为业界研究与实现的目标，尽管目前为止已有一些先进的智能决策支持系统在商业、工业、政府和国防等部门获得成功应用，但是，这一系统远未完善，仍处于发展阶段，可以预见的是在未来的研究过程中，智能决策支持系统必将对社会和组织产生更加重大的影响。智能决策支持系统的工作是可预测和可规划的，它是实实在在可以造福全人类。

基于人工智能的智能决策支持系统（IDSS）属于一个新兴的交叉学科领域，是运筹学、管理科学和计算机科学结合的产物，在我国许多应用领域有了初步的运用，例如税务稽查、渔业专家系统、 中国工商银行风险投资决策、为电信部门进行VIP分析，等等。渔场预报系统就是CBR（基于范例的推理）一个很好的应用实例（由中科院计算所史忠植老师指导完成），这个系统已被应用于中国东海渔业中心的预测；在国外IDSS也有着非常深入的研究与广泛的应用，如Hill，Holsaple 等人采用神经网络、遗传算法等实现了综合(holistic) 决策支持系统，系统在某种程度上体现了人类思维和决策过程的性质；在应用方面有Web和Agent的协同决策支持系统，Web的专家系统，如好莱坞经理决策支持系统。

临床决策支持系统研究与应用

第一章：引言

临床决策支持系统（Clinical Decision Support System，CDSS）旨在帮助医疗从业者做出准确、快速、可靠的临床决策并提高患者治疗效果。临床决策支持系统所借助的技术工具，如数据挖掘、人工智能、机器学习等，使得医疗行业得以更好地发展。

第二章：临床决策支持系统的概念

临床决策支持系统是一种计算机软件，能够根据医生所提供的患者数据，提供诊断和治疗建议。CDSS的主要目的是支持医生在制定患者治疗计划时做出更准确的判断，同时减少因诊断或治疗错误而给患者带来的风险。

临床决策支持系统包含三种基本形式：基于知识（knowledge-based）、基于规则（rule-based）和基于机器学习（machine

learning-based）。基于知识的系统是指将专家知识转化为计算机程序，用于帮助医生制定最佳治疗方案，如国际上最广泛应用的CPOE系统（计算机医嘱录入系统），它能够预测不良反应和药物相互作用等。而基于规则的系统是指使用预先定义的规则来为患者提供最佳的诊断和治疗建议，如纳入临床指南制定的规则。基于机器学习的系统是指利用大量患者数据对计算机算法进行训练，以实现预测模型的构建和优化，如根据患者病例数据训练模型以帮助选用最佳治疗方案。

第三章：临床决策支持系统的优点

临床决策支持系统提供了很多好处，其中最显著的是能使医生做出更准确、可靠的诊断和治疗方案。这种支持系统的另一个优点是能够快速的提供准确的信息，帮助医师更好地了解患者的状态。

临床决策支持系统也能够提高医疗机构的效率，减少人工工作的难度。CDSS有助于减轻医生的工作压力并避免患者负担过大的治疗费用。同时，临床决策支持系统还可提高医生和护士的工作满意度，以及患者对医疗服务的满意度。

第四章：临床决策支持系统的应用

临床决策支持系统在医疗领域的应用范围在不断扩大。常见的系统包括电子病历、CPOE和移动医疗应用程序。电子病历以数字化的方式记录患者健康信息，包括患者病史、实验室测试结果、医生的诊断和治疗建议等。CPOE是通过计算机对患者有关的信息进行管理和交换，以制定最佳治疗方案。而移动医疗应用程序则可以大大减少医生时间上的压力，使其更专注于准确，高质量的决策。 此外，临床决策支持系统还可以帮助医生管理慢性疾病。一些系统具有预测能力，能够对患者心血管风险进行评估以及监测其他重要生命体征。这些系统还可将来自多种来源的数据集成到一起，以更好地跟踪患者状态并制定最佳治疗方案。对于需要多种治疗方案的难治性疾病的患者，此类系统尤其有帮助。