[发明专利]基于专家权威与病例信度结合的治疗方案推荐方法和系统

说明书

本发明提供了一种基于专家权威与病例信度结合的治疗方案推荐方法和系统，确定目标病例的K个相似历史病例样本，获取K个相似历史病例样本中的每个病例样本的医生投票数据及最终治疗方案，计算医生投票准确率；在历史病例样本中对医生投票准确率进行排序，得到权威专家列表，根据权威专家列表，计算投票确定度；对K个相似历史病例样本计算信度函数值；将每个历史病例样本的信度函数值与确定度相乘，得到所述病例样本的最终信度；利用DS证据理论将各个病例样本的最终信度相结合，选择信度最大的治疗方案作为推荐方案。利用该过程对历史病例的信度进行了优化，最后利用DS信度结合模型，并给出最后的决策结果。

技术领域

本发明涉及机器学习与医疗决策领域相关技术领域，具体地，涉及一种基于专家权威性与病例信度结合的治疗方案推荐方法和系统。

背景技术

对于医疗方案的推荐，现有的方法主要是结合历史病例数据与相应的机器学习算法进行最终的决策，没有直接考虑历史病例中病人采取的方案其本身具有不确定性。所以不仅要考虑专家的意见并且结合专家权威性；同时，还要进一步注意专家由于经验和知识的不同，在不同病例上的权威性有差异。基于上述观点，一个切实可行的思路是：基于一个容量给定的历史近似病例集合，对每一个历史病例的实际方案对待决策的病例的最终方案的支持程度(以下称为信度)进行量化，并利用DS信度结合理论进行融合，进而进行最终的决策。

但是，考虑到历史病例的治疗方案往往由多位医生共同投票给出，因此历史病例选定的治疗方案本身具有一定的不确定性。而这种不确定性与医生们的投票情况存在密不可分的关系，直观上这种关系体现为如下两点，医生们投票结果越一致，不确定性应该越小；反之亦然。进一步，多位权威医生的投票结果越一致，或者存在某位非常权威的医生的投票与最后决定一致，不确定性应该越小。因此，综合考量上述两个方面估计病例样本不确定性。

与本申请相关的现有技术是专利文献CN106126873B，公开了一种治疗方案推荐方法，包括以下步骤：获取用户的问题信息与个人信息；将第一问题信息及第一个人信息与知识库中的各解决案例中的问题信息及个人信息进行匹配，获取匹配成功且符合第一预设条件的解决案例中的治疗方案作为第二治疗方案；将第二治疗方案推荐给用户。上述方法将具有个人信息的个性化特征的用户的问题信息与大数据知识库中的多种问题信息匹配，提高匹配问题信息的准确性；再通过问题信息检索到最佳治疗方案信息，实现了获取最佳治疗方案的及时性；最终将最佳治疗方案信息推送用户，实现了治疗方案推送的针对性、快捷性。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于专家权威性与病例信度结合的治疗方案推荐方法和系统。

根据本发明提供的一种基于专家权威与病例信度结合的治疗方案推荐方法，包括以下步骤：

确定相似样本步骤：确定目标病例的K个相似历史病例样本，获取K个相似历史病例样本中的每个病例样本的医生投票数据及最终治疗方案，计算医生投票准确率；

确定投票不确定性步骤：对于每个病例样本中，令医生投票准确率进行排序，得到权威专家列表，根据权威专家列表，计算投票确定度；

计算相关性步骤：对K个相似历史病例样本计算信度函数值；

计算信度步骤：将每个历史病例样本的信度函数值与确定度相乘，得到所述病例样本的最终信度；

确定推荐步骤：利用DS证据理论将各个病例样本的最终信度相结合，选择信度最大的治疗方案作为推荐方案。

优选地，所述确定相似样本步骤包括：

确定相似病例步骤：通过计算欧几里得距离，得到K个与目标病例的距离相近的历史病例作为K个相似历史病例样本；

计算投票准确率步骤：设定K个相似历史病例样本中医生投票的准确因子，若医生投票次数大于或等于准确因子乘K，则令所述医生的投票确定度为准确因子乘K；否则，则令所述医生的投票确定度为0。