CDSS简介_CDSS个人资料_CDSS微博_百科网
A-A+

CDSS简介_CDSS个人资料_CDSS微博

2016-11-29 06:20:08 科学百科 阅读 2 次

目标与功能/CDSS 编辑

CDSS的目的是为帮助临床医生提供医疗保健服务。临床医生可以通过CDSS的帮助来进行诊断与鉴别诊断、进一步深入分析病历资料。临床医生可以通过输入信息来等待CDSS输出“正确”的决策进行选择,并通过简单的输出来指示决策。然而,新的CDSS实现辅助决策的理论主要关注于临床医生与CDSS之间的互动,以便于利用临床医生的知识和CDSS对医学知识的系统管理,更好地分析患者的信息,这样的作用较之于人或者CDSS系统本身具有更大的优越性。尤其是CDSS可以提供建议或输出一组相关信息以便临床医生浏览参阅,并可以选择出有用的信息而去除那些错误的CDSS建议
另一个重要的CDSS分类系统是基于它被使用的时机。医生利用这些系统来提供服务以便于在他们处理病人时得到帮助,即被使用的时机为诊断前、诊断中和诊断后。利用诊断前CDSS系统,医生可以完成对疾病的初步诊断。而在诊断中的CDSS系统则可以帮助医生回顾病筛选出初步诊断,以便完善最终诊断结论。诊断后的CDSS系统可以用于挖掘病者与其既往医疗信息、临床研究之间联系的资料以便于预测期将来的健康问题。

组成/CDSS 编辑

基于知识库


大多数CDSS由三部分组成,即知识库、推理机和人机交流接口部分,只是部分依赖包括编译信息的规则与联系,通常采用IF-THEN规则来存储和管理知识。例如,某一系统用来研究药物之间单位相互作用,规则是如果服用X药物与Y药物,那么(THEN)服用者需要注意或者警惕什么。如果采用另一种方式,高级使用者可以编辑相关知识库里的规则,从而用于其它新药的研究。推理机部分是知识库的知识与患者信息整合、比较、分析的引擎。人机交流接口则允许讲结果显示给使用者,同时也可以作为系统输入。

基于非知识库


基于非知识库的CDSS系统多采用人工智能的形式,这种人工智能能在近年的CDSS研发中被称为机器学习,可以允许计算机从既往经验中或是其他临床资料中获得知识。两种非知识依赖系统分别基于人工神经网络和遗传算法。包括人工神经网络、遗传算法。

构建方法/CDSS 编辑


临床决策支持系统可以采用多种不同的方法来构建和实现临床决策支持系统功能模块。分析现行的临床决策支持系统建模过程,一般包括如下基本方法:贝叶斯网络、人工神经网络、遗传算法、产生式规则系统、逻辑条件、因果概率网络。