從專家診病模型實(shí)例理解智慧醫(yī)療大數(shù)據(jù)文庫

1、從專家診病模型實(shí)例理解智慧醫(yī)療大數(shù)據(jù)大數(shù)據(jù)可謂是當(dāng)紅炸子雞， 關(guān)于它的應(yīng)用場(chǎng)景， 人們差不多 做了充分的想象，專門多也在逐步落地，比如智慧醫(yī)療。醫(yī)療行 業(yè)正更多的融入人工智慧、 傳感技術(shù)等高科技， 使醫(yī)療服務(wù)走向 真正意義的智能化。面對(duì)不同受眾，智慧醫(yī)療有著不同的內(nèi)涵。關(guān)于公眾，意味 著更便捷可及的醫(yī)療服務(wù)； 關(guān)于醫(yī)護(hù)人員， 不僅能夠提高診療速 度，還能夠讓診療更加精準(zhǔn)， 通過大量的數(shù)據(jù)分析支持他們的診 斷。那個(gè)地點(diǎn)就不得不提到專家系統(tǒng)， 它應(yīng)該是一個(gè)典型的醫(yī)療 應(yīng)用，是大數(shù)據(jù)和人工智能的緊密結(jié)合。專家系統(tǒng)是一個(gè)具有大量的專門知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)， 它 應(yīng)用人工智能技術(shù)和計(jì)算機(jī)技術(shù)， 依照某領(lǐng)

2、域一個(gè)或多個(gè)專家提 供的知識(shí)和經(jīng)驗(yàn)，進(jìn)行推理和推斷，模擬人類專家的決策過程， 以便解決那些需要人類專家處理的復(fù)雜問題。簡(jiǎn)言之， 專家系統(tǒng)是一種模擬人類專家解決領(lǐng)域問題的計(jì)算機(jī)程序系統(tǒng)。 專家系統(tǒng) 的進(jìn)展差不多歷了 3個(gè)時(shí)期，正向第四代過渡和進(jìn)展。第一代專 家系統(tǒng)（dendral、macsym等）以高度專業(yè)化、求解專門問題的 能力強(qiáng)為特點(diǎn)。但在體系結(jié)構(gòu)的完整性、可移植性、系統(tǒng)的透明 性和靈活性等方面存在缺陷， 求解問題的能力弱。 第二代專家系1 / 27統(tǒng)（ mycin 、casnet 、prospector 、hearsay 等）屬單學(xué)科專業(yè)型、 應(yīng)用型系統(tǒng)，其體系結(jié)構(gòu)較完整，移植性方面也有所

3、改善，而且 在系統(tǒng)的人機(jī)接口、 解釋機(jī)制、知識(shí)獵取技術(shù)、 不確定推理技術(shù)、 增強(qiáng)專家系統(tǒng)的知識(shí)表示和推理方法的啟發(fā)性、 通用性等方面都 有所改進(jìn)。 第三代專家系統(tǒng)屬多學(xué)科綜合型系統(tǒng)， 采納多種人工 智能語言，綜合采納各種知識(shí)表示方法和多種推理機(jī)制及操縱策 略，并開始運(yùn)用各種知識(shí)工程語言、 骨架系統(tǒng)及專家系統(tǒng)開發(fā)工 具和環(huán)境來研制大型綜合專家系統(tǒng)。 在總結(jié)前三代專家系統(tǒng)的設(shè) 計(jì)方法和實(shí)現(xiàn)技術(shù)的基礎(chǔ)上，已開始采納大型多專家協(xié)作系統(tǒng)、 多種知識(shí)表示、綜合知識(shí)庫、自組織解題機(jī)制、多學(xué)科協(xié)同解題 與并行推理、 專家系統(tǒng)工具與環(huán)境、 人工神經(jīng)網(wǎng)絡(luò)知識(shí)獵取及學(xué) 習(xí)機(jī)制等最新人工智能技術(shù)來實(shí)現(xiàn)具有多知識(shí)庫、

4、多主體的第四 代專家系統(tǒng)。接下來將通過生動(dòng)有味的過程講解，關(guān)心讀者了解使用 SmartMining 敏捷挖掘桌面版，以決策樹算法為背景，依托大數(shù) 據(jù)如何構(gòu)建專家診病模型， 以及如何通過可視化探究數(shù)據(jù)， 實(shí)現(xiàn) 決策樹同樣的計(jì)算結(jié)果！該案例的工作流如下：商業(yè)目標(biāo)業(yè)務(wù)理解：該案例所用的數(shù)據(jù)是一份大夫診病的數(shù)據(jù)， 如下:表1數(shù)據(jù)視圖其中，年齡、性不、血壓、膽固醇、鈉、鉀是病人的指標(biāo)， 而藥物是大夫針對(duì)病人的情況開出的藥物。業(yè)務(wù)目標(biāo)：建立專家診病系統(tǒng)，當(dāng)把病人的指標(biāo)輸入到該系 統(tǒng)時(shí)，系統(tǒng)會(huì)自動(dòng)輸出該給此類病人開出的藥物數(shù)據(jù)挖掘目標(biāo)：建立專家診病模型，該模型以病人的病例指標(biāo)為輸入，以藥物為目標(biāo)，建立預(yù)測(cè)模

5、型，該模型能夠依照輸入指標(biāo)的值，計(jì)算預(yù)測(cè)值（藥物）操作實(shí)現(xiàn)：新建工作流能夠點(diǎn)擊文件菜單下的"新建"或者點(diǎn)擊工具欄左方的新建 按鈕（E3）開始創(chuàng)建工作流。點(diǎn)擊后會(huì)彈出以下向?qū)Ы缑妫狠斎牍ぷ髁鞯拿趾蠹纯赏瓿蓜?chuàng)建:圖1新建工作流導(dǎo)入數(shù)據(jù)現(xiàn)在要依照數(shù)據(jù)存儲(chǔ)文件的格式選擇相應(yīng)的導(dǎo)入節(jié)點(diǎn)。在那 個(gè)地點(diǎn)由于數(shù)據(jù)源是CSX文件，因此能夠選擇CSX導(dǎo)入節(jié)點(diǎn)（也能 夠使用可變文件）。左側(cè)節(jié)點(diǎn)庫中 CSX導(dǎo)入節(jié)點(diǎn)拖到右側(cè)的工作流中。雙擊節(jié)點(diǎn)或者右鍵菜單中選擇"配置"，彈出如下配置窗口:圖2 CSV節(jié)點(diǎn)配置點(diǎn)擊按鈕，選擇相應(yīng)的數(shù)據(jù)文件。注意，此處假如數(shù)據(jù)第一行包含字段名，則選

6、中（該數(shù)據(jù)有），假如有行ID字段，則選中（該數(shù)據(jù)無，貝V不選中）。配置完成后，點(diǎn)擊節(jié)點(diǎn)下方的預(yù)警符號(hào)從匚變成了廠力。紅色表示節(jié)點(diǎn)尚未配置或者配置有誤，現(xiàn)在節(jié)點(diǎn)不可執(zhí)行；黃色表示節(jié)點(diǎn)能夠 執(zhí)行。點(diǎn)擊右鍵菜單的或者點(diǎn)擊工具欄的 ，即可執(zhí)行工作流。執(zhí)行完成后預(yù)警符號(hào)變成V " alf-irraiTVT J| J J # 1 丄砒節(jié)苜后九*J?貝MWMi JI 門SH (RJH»(D)文件眾點(diǎn)擊右鍵菜單的能夠查詢數(shù)據(jù)。另外，節(jié)點(diǎn)的右端口也會(huì)懸停顯示數(shù)據(jù)的行數(shù)和字段數(shù)i文甘丟【行：200.列:7)理解數(shù)據(jù)使用統(tǒng)計(jì)分析菜單下的統(tǒng)計(jì)節(jié)點(diǎn)能夠?qū)?shù)據(jù)進(jìn)行描述，這是 建模之前必須要做的工作，一方面是為了設(shè)計(jì)合理的實(shí)施方案，另外一方面也是為了更好的選擇合適的算法。從表2中能夠看出每種分類變量的取