基于动态不确定因果图人工智能诊断模型对以关节痛为主诉风湿性疾病的诊断价值

作者：焦洋; 张湛^*; 黄晓明; 景中奇; 张勤^*

来源：中华临床免疫和变态反应杂志, 2019, 13(04): 283-287.

• 动态不确定因果图
• 人工智能
• 诊断
• 风湿性疾病

目的基于动态不确定因果图(dynamic uncertain causality graph,DUCG)理论建立以关节痛症状为主诉的疾病库的人工智能诊断模型,并验证其对整体疾病库疾病及其中风湿性疾病的诊断价值。方法结合临床经验和流行病学数据,确定关节痛为主诉的疾病库,优化疾病库内各疾病的诊断与鉴别诊断路径;根据DUCG理论的不确定因果知识表达方法,通过DUCG知识库编辑器,构建人工智能诊断模型;从两家三级医院的电子信息病历系统中随机选择疾病库疾病相关病历,利用DUCG测试平台和推理机进行测试,验证模型的诊断能力。结果以关节痛症状为主诉的疾病库的人工智能诊断模型共包含170个症状、体征、血清学和影像学结果变量。疾病谱包括风湿性疾病12种,感染性疾病4种。按筛选条件纳入验证病例数为192例,184例诊断正确,整体诊断模型的平均准确率为95.8%。其中测试以关节痛为主诉的风湿性疾病病例共169例,对风湿性疾病诊断准确率达97.6%。结论基于DUCG的人工智能诊断模型可弥补个人知识和专业限制,降低误诊率,减轻公共卫生保健资源的负担。

• 单位
  中国医学科学院北京协和医学院; 北京协和医院; 清华大学