内容简介
《大数据医疗》从临床决策数据获取和传递、知识表示、学习推理和鲁棒性决策的系统整体结构出发，以工业工程、决策科学、人工智能、信息论、证据推理等为理论基础，深入揭示了大数据驱动的医疗与健康决策支持机理及其在临床诊断过程中的实践。应用“智能病人”机器人及医疗人体数字化仿真系统模拟医疗动态决策集，与临床诊断结果比较研究，为多层次医疗决策者提供智能决策支持，为大数据驱动的医疗鲁棒性决策提供科学依据。作者简介
徐曼，南开大学商学院讲师 教育背景：南开大学商学院本科、天津大学管理学院工业工程硕士、天津大学管理与经济学部管理科学与工程专业博士 成果：天津优秀博士论文，教育部博士研究生新人奖。 研究方向：大数据驱动的智能决策研究，特别在大数据驱动的医疗与健康决策，智能制造领 中国机械工程学会工业工程分会副秘书长，CIE期刊编委成员，教授WEB数据挖掘、文献数据库开发与设计、智能制造。目录
序言上篇基于认知计算的智能医疗决策第1章智能医疗的兴起1.1人工智能带来全新的医疗体验1.2大数据催生精准医疗1.3均衡医疗资源，减少医疗事故1.4全员、全数据、全工作流医疗数据1.5医疗与健康决策支持1.6智能诊断的背后1.7结构与特色1.7.1体系结构1.7.2特色与创新参考文献第2章医疗服务的品质与效率2.1基于行为级的管理改善2.1.1工作流管理2.1.2人的可靠性2.1.3风险的防控2.2基于逻辑级的鲁棒性决策2.2.1鲁棒性优化2.2.2鲁棒性推理2.3基于大数据分析与处理的医疗与健康决策支持2.3.1异构实体数据的融合2.3.2多模态数据管理模式2.3.3大数据分治方法2.4诊疗智能辅助系统参考文献第3章智能医疗的本质3.1数据驱动决策的特征3.1.1决策数据的特征3.1.2融合推理的特征3.2融合推理模型构建3.2.1融合推理模型要素3.2.2融合推理相关命题3.2.3基于融合推理的多准则分类决策3.3融合推理的数据预处理3.3.1数据分治3.3.2可解释性推理3.3.3预处理方法3.4融合推理的决策鲁棒性分析3.4.1融合推理中两类不确定性3.4.2决策鲁棒性3.4.3推理模型的鲁棒性约束3.5小结参考文献第4章医疗急救决策：全员、全流程、全数据空间4.1背景4.2心脏病急救决策流程及数据4.2.1流程4.2.2急救决策推理的网链结构4.2.3数据类型4.2.4数据的不确定性4.2.5不确定性推理4.3医疗决策全数据空间框架4.3.1心脏病急救决策病例维4.3.2心脏病急救决策规则维4.3.3心脏病急救决策资源维4.3.4心脏病急救决策时间窗4.4医疗决策推理的静态分析4.4.1急救决策状态空间4.4.2决策空间的静态结构4.4.3状态空间的映射4.4.4数据子空间4.5医疗决策推理的动态性能4.5.1状态空间的范数4.5.2急救决策特征空间的状态链4.5.3急救决策推理的脆弱性4.6小结参考文献第5章层次关联证据链推理的多属性群决策分类5.1引言5.1.1群决策分类特点5.1.2群决策分类推理5.2决策状态空间与证据链5.2.1命题空间与可信度性质5.2.2决策状态与证据链5.3层次关联证据链推理模型FUER5.3.1层次关联5.3.2相似性度量5.3.3可信度集成5.4类别误标下证据链的推理方法5.4.1证据链推理的混合整数优化模型5.4.2模型推理必要条件和敏感性分析5.4.3类别误标下模型推断5.4.4干扰下模型参数学习5.4.5相似度加权近邻算法sfNN5.4.6鲁棒性分析5.5小结参考文献第6章基于鲁棒性阈值的CBR/RBR融合推理机制6.1引言6.2CBR/RBR及其融合推理6.2.1CBR推理6.2.2RBR推理6.2.3多分类器集成的决策树优化方法6.2.4CBR/RBR融合推理6.3融合酉空间及矩阵奇异值分解6.3.1融合酉空间6.3.2融合酉空间的奇异值分解6.4鲁棒阈值方法6.4.1融合推理空间鲁棒性解集6.4.2知识关联性6.4.3相似度计算6.4.4知识粒度及推理信度计算6.4.5阈值的鲁棒性6.5融合推理策略及步骤6.5.1融合推理策略与融合推理解6.5.2融合推理执行步骤6.6小结参考文献第7章基于贝叶斯网络的CBR/RBR融合推理机制与方法7.1引言7.2不确定信息条件下的推理机制及建模7.2.1稳健随机混合法7.2.2随机项建模7.3推理模型的贝叶斯网络构建7.3.1贝叶斯网络7.3.2贝叶斯网络学习7.3.3贝叶斯网络构建7.4BNCBR/RBR推理模型7.4.1相似度评价函数7.4.2鲁棒BNCBR/RBR模型构建7.4.3改进的KD树（KDTree）方法7.4.4代价敏感学习7.5基于多属性决策的BNCBR/RBR优化协同7.5.1多属性的人机融合决策模式7.5.2基于Vague集的优化模型7.5.3基于Vague集的嵌入式算法7.6小结参考文献第8章同态推理空间下的互信息属性特征建模8.1引言8.2空间的同态理论与信息场8.2.1状态空间同态8.2.2同态下推理空间的性质8.2.3推理状态空间的信息场8.2.4信息增益8.3同态下的属性特征选择及互信息8.3.1属性特征选择8.3.2属性互信息8.4同态推理状态空间中的互信息判据8.4.1互信息的归一化测度8.4.2互信息判据结构与性质8.5基于互信息的属性特征选择模型8.5.1MIFSU属性特征选择模型8.5.2mRMR属性特征选择模型8.6同态下的鲁棒属性特征选择模型8.6.1鲁棒属性特征选择模型（R2CMIFS）8.6.2同态下的鲁棒属性特征选择机制8.7小结参考文献第9章基于证据链推理和信息价值最大化决策9.1引言9.1.1时态数据的多尺度决策问题分析9.1.2多尺度决策推理模型的相关研究9.2时间窗与价值转移9.2.1数据驱动决策的时间窗9.2.2信息转移价值9.2.3管理熵9.3单一尺度证据链与多尺度证据链9.3.1时态数据9.3.2时间尺度及多尺度证据链9.4多尺度特征的证据链推理模型（msFUER）及决策框架9.4.1数据预处理与特征量提取前言/序言
序言大数据资源成为“第五元素” 移动互联、智能传感器、云计算、机器人等新兴信息通信技术与信息感知方式的发展和变化，深刻地改变着传统医疗与健康服务模式。在这个过程中，医疗数据逐步开放，大数据带来的智能医疗和精准医疗开始涵盖更多方向，在临床操作的比较效果研究、临床决策支持系统、医疗数据透明度、远程病人监控、对病人档案的先进分析等方面发挥更多重要作用。同时，随着区域医疗、移动医疗、转化医学等新兴技术的应用和发展，电子病历、电子健康档案、转化基因、重症监护室中的临床监测数据，甚至可穿戴传感器感知的个人健康状态记录等数据都呈现出爆炸式增长。大数据已成为公认的资源，成为继劳动力、土地、资本、企业家之后的第五大生产要素。 将数据压力转变为数据优势，使数十亿条累积医疗数据成为医生诊疗时可随时调用的标准化医疗决策依据，成为提高诊疗效率、减少可避免的人为失误、缓解医疗资源分布不均问题的有效途径。 数字驱动的鲁棒性决策医疗数据是医生在以患者为中心的诊疗和治疗过程中产生的数据，医疗过程是一个生化过程，其产生的数据量巨大并以异构状态存在，数据特征维度高，且易受环境因素干扰。基于移动互联、医疗云平台的智能医疗系统中，以多态形式存在的数据将通过不同媒介呈现给医生，提高多模态医疗数据的融合效率，实现医疗数据的标准化传递，成为大数据医疗决策鲁棒性的重要问题，也是我国推动以数字化、个性化、一体化、协同化和知识化为特征的智能化医疗服务模式的关键技术保障，而智能决策方法本身也正在从追求计算速度逐渐转变为更多地关注多模态数据融合中的推理能力、效率与准确性，即鲁棒性决策。 患者权利的崛起患者的医疗决策更多源于其对医疗广告的反应方式，以及对医生的信任，信任对方会给出客观的医疗建议和实施适当的医疗程序。医生、医院和生命科学处于同一产业链上，在利益的驱动下，执行医疗程序的数量有增无减，过度医疗时常发生。患者希望了解更多的医疗知识，从而在治疗过程中掌握更大的决策主动权。 身处强大的社交网络时代，当遇到身体不适的时候，患者也许并不会第一时间到医院就诊寻求专家的意见，而是会将症状作为关键词进行网络搜索。Google表示每天有数百万用户来搜索他们的症状，甚至搜索量占到了所有搜索条目的1%。Google和哈佛医学院以及马约诊所的科研专家进行了深入合作，以实现精准医疗信息检索。大规模的信息共享使得消费者权利正在崛起，患者拥有了选择的权利，拥有了选择的智慧，会带着问题及答案去寻求医生的帮助。大数据与Web30带来的精准、科学、合法的医疗信息检索服务将帮助患者了解病情，提高医疗的精准咨询，提高患者的知情权。同时这也使得自助医疗、家庭医疗有了实现的机会。 架构智能医疗平台自1978年Sridharam首次提出采用人工智能方法解决生物医学问题到2007年荷兰的国际医学人工智能会议（AIME）正式宣告“智能医疗时代到来”，历经几十年的发展。众多国际知名研究机构/实验室，如麻省理工临床决策实验室、哈佛麻省理工健康科学与技术部、约翰斯·霍普金斯大学医学院以及斯坦福大学生物医学信息研究中心等，其研究领域均涉及运用智能算法如模糊逻辑、神经网络，使医疗决策系统的诊断能力最大限度地逼近专业高水平医师的诊断能力。“智慧地球”之智能医疗体系的倡导者IBM一直致力于将智能机器人沃森（Watson）用于重大疾病辅助诊断。人工智能、大数据与互联网的结合，产生了智能医疗服务平台，它链接了以往医疗专家间、医院间的信息孤岛，使得处于不同时空的医生得以在同一平台上开展科研协作，寻找治疗突破，互利共赢。 为此，《大数据医疗》从临床医疗数据获取和传递、知识表示、学习推理和鲁棒性决策的系统结构出发，以工业工程、认知科学、人工智能、信息论、证据推理等为理论基础，深入地揭示了大数据驱动的医疗与健康决策的机理及其在临床诊断过程中的实践。应用“智能病人”机器人、医疗人体数字化仿真系统模拟医疗动态决策集，与临床诊断结果比较研究，为多层次医疗决策者提供智能决策支持，为大数据驱动的医疗鲁棒性决策提供科学依据。 《大数据医疗》包括上篇和下篇两个部分，共22章。上篇包括第1～11章，梳理数据驱动的智能决策理论；下篇包括第12～22章，整合智能医疗决策实践案例，以大数据医疗智能决策为主题，适合医生、医疗机构管理者、医疗政策研究人员、智能医疗产业开拓者与运营管理人员、互联网医疗平台的开发者与设计者、智能决策研究者及计算机领域的专业人士阅读。 书中所涉及的全部理论与实践研究内容得到了国家自然科学基金项目基于鲁棒性原理的医疗决策系统品质与效率研究(NO71171143)、基于异构数据融合的智能医疗临床决策证据推理研究(NO71571105)、基于CBR/RBR融合模式的医疗决策代价敏感性研究(NO71201087)、基于变分证据推理的多尺度决策的病例类别推荐研究（NO7160010405）、天津市科技支撑计划重点项目采用多传感器信息融合的嵌入式心脏病急救智能集成系统(No09ECKFGX00600)、天津市应用基础及前沿技术研究计划：基于感知过程的复杂系统信息融合理论与应用研究（No10JCYBJC07300）、深圳富士康科技集团科技基金项目医疗决策效率与品质提升研究等多项基金及计划的资助，凝聚了科研团队近十年的研究心血与成果。感谢南开大学商学院对《大数据医疗》出版的支持，感谢天津大学朱盼盼、甘丹、康宁、张号乾、王艺潼同学为《大数据医疗》的编辑、出版付出的辛勤工作！ 在不远的未来，以大数据、云计算、移动互联、人工智能为技术支持所构建的智能医疗服务平台将成为医生的重要工作伙伴，为医生推荐准确的诊疗方案，提供诊疗工具，架构全员、全数据、全流程管理型医疗数据库，并为全面降低误诊漏诊率，减少医疗不良事件的发生，缓解医患矛盾，提升患者满意度，提高普遍医疗水平，解决我国医疗资源匮乏与区域分布不均衡等问题与矛盾做出贡献。Web30及大数据处理技术、人工智能技术在理论及应用领域的迅速发展，智能医疗、互联网医疗、医疗信息检索产业发展迅速，已成为一片广袤蓝海，凸显理论研究重要性的同时，产业界的资本投入也在不断增加。 作者2017年1月于南开园
